函数take_along_axis()用于由索引数组生成新的矩阵。
要想完全理解它是比较难的，昊虹君从昨天下午想到现在，也感觉只理解了其一半，不过有一半理解总比没有好吧，下面就把昊虹君的理解给大家分享分享。
Begin…
提问：由已有数组的索引生成新的数组为什么要用函数take_along_axis()，我用Numpy库ndarray对象的切片操作不行么?
答案是：Numpy库ndarray对象的切片操作不是万能的，比如下面的两种情况它就不能解决，而下面两种情况可以用函数take_along_axis()解决。
情况一：我由argsort()函数得到了矩阵元素按从小到大排序的索引，接下来我想由个这个排序索引得到一个新的矩阵，这个新矩阵元素就是按从小到大排序的索引。这种情况下光靠切片操作就很难实现这个功能了。不信的话诸君可以试一试，反正昊虹君是试了的，很麻烦。但是此时用函数take_along_axis()就很方便，示例如下：
import numpy as np
A = np.array([[10, 30, 20], [60, 40, 50]])
B = np.sort(A, axis=1)
index1 = np.argsort(A, axis=1)
C = np.take_along_axis(A, index1, axis=1)
运行结果如下：
从这个示例可以看出，函数take_along_axis()很方便的帮我们由索引值数组index1按顺序取出了A中的元素形成了数组C。
情况二：
现有三维矩阵A如下：
A = np.arange(2*3*4).reshape([2, 3, 4])
现在要实现下面这个目标：
选取A[0]的第0行和A[1]的第1行构成一个新的三维矩阵B，B矩阵的形状为(2, 1, 4)。
这个目标用切片操作是无法实现的，昊虹君也尝试过直接用切片实现这个目标，但无奈没有成功。
但是这个目标用函数take_along_axis()就很容易实现了，示例代码如下：
import numpy as np
A = np.arange(2*3*4).reshape([2, 3, 4])
index1 = np.zeros([2, 1, 1]).astype('int')
index1[0, 0, :] = 0
index1[1, 0, :] = 1
B = np.take_along_axis(A, index1, axis=1)
运行结果如下：
这几句代码虽然短，但是很不好理解，大家可参考博文 https://blog.csdn.net/baidu_37157624/article/details/123124561
并结合我下面的叙述来理解。
①上面的索引数组index1中每个元素具体的值为原数组中的索引值，其本身的索引值为生成的新矩阵的元素的索引值。
②结合index1的形状(2,1,1)和具体的值，可知index1的作用为：
选取A[0]的第0行和A[1]的第1行构成一个新的三维矩阵B，B矩阵的形状为(2, 1, 4)。
③axis =1 ,代表第1个轴对齐(第1个轴即行维度)，第1个轴对齐(行维度对齐)的意思是A的第0个维度和B的第0个维度是一致的，即B的列维度和A的列维度是一致的，即都是四列。所以这里index1的形状的第三个值为1而不是4，因为行维度对齐，所以取一行相当于就取了四列。
当axis=-1或axis=0时，昊虹君对运行的结果还不太能理解，但很多情况下我们都是让axis =1，这符合我们的思维习惯，所以就暂时先理解到axis =1吧。
④index1的维度数应该和A的相同。
⑤二维以下时实现上面的功能是完全可以用切片或take()函数实现的，take()函数的说明见博文https://blog.csdn.net/wenhao_ir/article/details/125714322【搜索关键词“take()”】，但是当维度大于等于三时此时切片或take()函数就难以实现上述目标了。