如何在NumPy中对基于2D数组的3D数组进行索引？

在NumPy中，可以使用整数数组或布尔数组对基于2D数组的3D数组进行索引。下面是两种常见的方法：

使用整数数组索引：可以通过提供两个整数数组来索引3D数组的元素。第一个数组表示要选择的行索引，第二个数组表示要选择的列索引。例如，假设有一个2D数组arr和一个3D数组arr_3d，可以使用以下代码对其进行索引：

import numpy as np

arr = np.array([[1, 2, 3], [4, 5, 6]])
arr_3d = np.array([[[1, 2, 3], [4, 5, 6]], [[7, 8, 9], [10, 11, 12]]])

# 选择第一个2D数组的第一行和第二行
rows = np.array([0, 1])
# 选择第一个2D数组的第一列和第三列
cols = np.array([0, 2])

# 使用整数数组索引对3D数组进行索引
result = arr_3d[rows[:, np.newaxis], rows, cols]
print(result)

输出结果为：

[[[1 3]
  [4 6]]

 [[7 9]
  [10 12]]]

使用布尔数组索引：可以通过提供一个布尔数组来选择要索引的元素。布尔数组的形状必须与3D数组的形状相同。布尔数组中的True表示选择对应位置的元素，False表示不选择。例如，假设有一个2D数组arr和一个3D数组arr_3d，可以使用以下代码对其进行索引：

import numpy as np

arr = np.array([[1, 2, 3], [4, 5, 6]])
arr_3d = np.array([[[1, 2, 3], [4, 5, 6]], [[7, 8, 9], [10, 11, 12]]])

# 创建一个与3D数组形状相同的布尔数组
mask = np.array([[True, False], [False, True]])

# 使用布尔数组索引对3D数组进行索引
result = arr_3d[mask]
print(result)

输出结果为：