numpy 多维索引：使用 np 数组和列表给出不同的结果

Question

为什么 b1 b2 给出不同的结果，但 b0 ,b1,b3 给出相同的结果。并获得一个
“FutureWarning：不推荐使用非元组序列进行多维索引；使用arr[tuple(seq)] 而不是arr[seq]。将来这将被解释为数组索引arr[np.array(seq)]，这将导致错误或结果不同。”

a = np.array([[6, 7], [8, 9]])
print(a.shape)
print(a)
print()

b0 = a[[0, 0]]
print('b0')
print(b0.shape)
print(b0)
print()

b1 = a[[[0, 0]]]
print('b1')
print(b1.shape)
print(b1)
print()

b2 = a[np.array([[0, 0]])]
print('b2')
print(b2.shape)
print(b2)
print()

b3= a[np.array([0, 0])]
print('b3')
print(b3.shape)
print(b3)

(2, 2) [[6 7] [8 9]]

b0 (2, 2) [[6 7] [6 7]]

b1 (2, 2) [[6 7] [6 7]]

b2 (1, 2, 2) [[[6 7] [6 7]]]

b3 (2, 2) [[6 7] [6 7]]

Answer 1

作为历史问题

b1 = a[[[0, 0]]]

被/被评估为

b1 = a[([0, 0],)]
b1 = a[[0, 0]]

警告告诉我们正在纠正这个异常。

像a[i,j] 这样的索引实际上是a[(i,j)]，将一个元组传递给getitem 方法。由于过去各种包方式的合并，在某些情况下，列表的解释方式相同。你找到了。

未来的警告告诉我们，进行高级索引的最干净、最清晰的方法是使用元组和数组。使用列表时存在并且在一定程度上仍然存在歧义。

这在 1.15.0 发行说明弃用中有所描述，

Multidimensional indexing with anything but a tuple is deprecated. This means that 
the index list in ind = [slice(None), 0]; arr[ind] should be changed to a tuple, 
e.g., ind = [slice(None), 0]; arr[tuple(ind)] or arr[(slice(None), 0)]. 
That change is necessary to avoid ambiguity in expressions such as 
arr[[[0, 1], [0, 1]]],  interpreted as arr[array([0, 1]), array([0, 1])], 
that will be interpreted as arr[array([[0, 1], [0, 1]])] in the future.

所以将来 b1 的行为会像 b2，但现在它就像 b0。