熊猫的选择不一致

Question

我在Pandas索引中看到了一些有趣的行为。举例来说，假设我创建了一个Panel

p = pd.Panel(np.random.rand(3,6,9))

并以各种方式对其进行索引。

p.iloc[1,1,1].shape == ()
p.iloc[1,1,:].shape == (9,)
p.iloc[1,:,1].shape == (6,)
p.iloc[1,:,:].shape == (6,9)
p.iloc[:,1,1].shape == (3,)
p.iloc[:,1,:].shape == (9,3)   # confusing
p.iloc[:,:,1].shape == (6,3)   # confusing
p.iloc[:,:,:].shape == (3,6,9)

在标记为＆＃34;令人困惑的＆＃34;的行中，似乎Pandas在进行索引后转换DataFrame以反转维度的顺序。为什么这样做？有没有办法阻止它？

如果我从Panel4D：

开始，也会发生同样的事情

p = pd.Panel4D(np.random.rand(3,6,9,12))

p.iloc[1,1,1,1].shape == ()
p.iloc[1,1,1,:].shape == (12,)
p.iloc[1,1,:,1].shape == (9,)
p.iloc[1,1,:,:].shape == (9,12)  # ok
p.iloc[1,:,1,1].shape == (6,)
p.iloc[1,:,1,:].shape == (12,6)  # confusing
p.iloc[1,:,:,1].shape == (9,6)   # confusing
p.iloc[1,:,:,:].shape == (6,9,12)
p.iloc[:,1,1,1].shape == (3,)
p.iloc[:,1,1,:].shape == (12,3)  # confusing
p.iloc[:,1,:,1].shape == (9,3)   # confusing
p.iloc[:,1,:,:].shape == (3,9,12)
p.iloc[:,:,1,1].shape == (6,3)   # confusing
p.iloc[:,:,1,:].shape == (3,6,12)
p.iloc[:,:,:,1].shape == (3,6,9)
p.iloc[:,:,:,:].shape == (3,6,9,12)

似乎每当有两个切片索引时就会发生奇怪的行为，其中一个切片索引位于前两个位置。

当然使用NumPy中的普通ndarray时不会发生这种情况。