在单个呼叫中访问数组（“混合索引”）的多个维度？

Question

给定以下数组：示例 *行 *列

arr_3d = np.array([
    [
        [ 1,  2,  3],
        [ 4,  5,  6],
        [ 7,  8,  9]
    ],
    [
        [10, 11, 12],
        [13, 14, 15],
        [16, 17, 18]],
    [
        [19, 20, 21],
        [22, 23, 24],
        [25, 26, 27]
    ]
])

这有效，但是我可以在相同的 [_，_，_，_]] 调用中访问行和列？

>>> arr_3d[[1,2],:,:][:,:,[0,1]]

array([
    [
        [10, 11],
        [13, 14],
        [16, 17]
    ],
    [
        [19, 20],
        [22, 23],
        [25, 26]
    ]
])

这并不是预期的：

>>> arr_3d[[1,2],:,[0,1]]


array([
    [10, 13, 16],
    [20, 23, 26]
])

---

更新：看起来这是混合索引的已知挑战

Answer 1

您可以使用：

arr_3d[np.ix_([1,2], np.arange(arr_3d.shape[1]), [0,1])]

输出：

array([[[10, 11],
        [13, 14],
        [16, 17]],

       [[19, 20],
        [22, 23],
        [25, 26]]])