布尔索引必须放在整数索引之前，因为numpy先执行布尔索引压缩对应维度，再在压缩后的数组上应用整数索引；顺序颠倒会导致维度不匹配而报错。
在 NumPy 中，同时使用高级整数索引（如数组索引）和布尔掩码时，布尔索引必须放在整数索引之前，否则会触发 IndexError: boolean index did not match indexed array along dimension X 或产生意外结果。
为什么顺序很重要？
NumPy 对索引的解析有严格规则：当混合使用布尔掩码和高级整数索引时，布尔索引会被视为“第一类”筛选操作，它先作用于对应轴，压缩该维度（即只保留 True 位置），之后整数索引才在**压缩后的新形状**上进行。如果把整数索引写在前面，NumPy 会尝试先用整数索引取子集，再对一个更小的数组应用布尔掩码——但此时布尔数组长度往往与压缩后的维度不匹配，导致报错。
正确写法：布尔索引在前，整数索引在后
假设有一个二维数组 a，你想先按行用布尔条件筛选，再按列用整数列表选取特定列：
import numpy as np a = np.arange(12).reshape(3, 4) # 想选第0、2行中满足“行和 > 5”的行，再取第1、3列 row_mask = a.sum(axis=1) > 5 # [False, True, True] → 选第1、2行 col_indices = [1, 3] <p>result = a[row_mask][:, col_indices] # ✅ 正确：先布尔，再整数切片</p><h1>或等价地（更推荐）：</h1><p>result = a[row_mask, :][:, col_indices] # 显式指定所有轴</p>
常见错误与规避方式
-
不要写成
a[[0,2], row_mask]：这会让 NumPy 尝试对列做布尔索引，但row_mask长度是 3，而列数是 4，直接报错。 -
避免链式高级索引混用：例如
a[row_mask, col_indices]是合法的，但前提是row_mask和col_indices都是一维且长度相同（广播规则生效）。若长度不同，会报错或静默广播出错。 - 安全做法：分步执行：先用布尔索引得到中间数组，再对其做整数索引。逻辑清晰，不易出错，且内存开销通常可接受。
补充：布尔索引 + 切片（非整数列表）是安全的
布尔索引后接普通切片（如 :、::2）没有顺序问题，因为切片属于基本索引，不会改变维度数量：
a[row_mask, 1:3] # ✅ 合法：布尔索引后跟切片 a[row_mask, [1,3]] # ✅ 合法：但要求 row_mask 为一维，且结果形状自动适配
