我想使用索引切片沿其2个轴切片多维numpy数组（> 2维）。每个原始尺寸在哪里结束的规则是什么？
为说明我的问题，让我提供一个示例。假设我们有一个4D阵列：
import numpy as np
a = np.arange(2*3*4*5).reshape(2,3,4,5)
我将使用numpy.where创建一个索引元组，以沿轴1和3进行切片。
mask = np.where(np.random.rand(3,5) > 0.5)
这将从我的数组a中选择随机切片。假设它返回长度为7的元组。
为了保留剩余的尺寸，我将使用slice(None)对象：
b = a[(slice(None), mask[0], slice(None), mask[1])]
这改变了形状：
>>> a.shape
(2, 3, 4, 5)
>>> b.shape
(7, 2, 4)
未触摸的轴（即使用slice(None)对象进行了切片）似乎已保留，而切片的轴被破坏，结果轴移到了前面。
但是，并非总是如此。当我将遮罩应用于轴1和2时：
mask2 = np.where(np.random.rand(3,4) > 0.5)
c = a[(slice(None), mask[0], mask[1], slice(None))]
我观察到以下情况（numpy.where又返回了长度为7的元组）：
>>> c.shape
(2, 7, 5)
这次被切片破坏的轴所产生的轴没有移到前面。
我的猜测是，这与切片轴是否相邻有关，但是我想知道从什么规则中会出现这种行为。
答案 0 :(得分：3)
如果将where蒙版应用于2d数组，则条件条件为true时，将生成1d (7,)形状数组。您可以说这是在“消灭”一对轴。
在第二种情况下，可以将7放在2和5之间。
但是在第一个中它是模棱两可的，因为中间是切片（非邻接）-后退规则是将其放在第一位，然后对切片排序。换句话说，它没有选择（2,7,4）和（2,4,7）顺序，而是选择（7,2,4）。
在这种情况下，歧义很明显，默认情况下是合理的。用标量索引消除一个或多个维度会更加复杂。