Numpy中take的用法

@numpy.take
今天在学习批量梯度下降的时候，遇到到了numpy.take的使用。在查看数据时发现数据不对。在踩了不少坑之后把正确的用法分享给大家，希望有所帮助。
官方给的是：numpy.take(a, indices, axis=None, out=None, mode=‘raise’）
首先：import numpy as np

1 一维

a.take([1,3,5])然后检索并返回索引值
np.take(a,[2,3,4,5])

a=np.array([1,2,3,4,5,6,7,8])
a.take([1,3,5])
Out: array([2, 4, 6])

a.take([[1,2],[5,6],[7,3]])
np.take(a,[[1,2],[5,6],[7,3]])

a.take([[1,2],[5,6],[7,3]])
Out[: 
array([[2, 3],
       [6, 7],
       [8, 4]])

2 二维

2.1 将a拉伸到一维，然后检索并返回索引值

a.take([2,3,4,5])
开始是就是用的这个想实现对a的多个行的批量提取，结果是被某本书坑了

a=np.random.normal(scale=1,size=(10,3))
a
Out: 
array([[-1.50838341,  0.99411815,  0.24235823],
       [-0.12796084, -0.70911685,  0.14531075],
       [-0.66622913,  0.71310281,  0.00489795],