我建议使用 numpy 包，这是伟大的做各种矩阵和向量运算。它使索引更容易。
请注意，我在数据数组中添加了一些输入，以使其更易于阅读。
例子：

import numpy as np

data = np.array(
    [
        [[1,2,3],[1,2,3],[1,2,3]],
        [[2,3,4],[2,3,4],[2,3,4]],
        [[3,4,5],[3,4,5],[3,4,5]],
        [[4,5,6],[4,5,6],[4,5,6]]
    ]
)

print(data[:,1,1])

产出：

[2 3 4 5]

列表的索引方式不能与numpy数组相同。
看看你的切片发生了什么：
第一部分只是返回整个列表

data[:]
[[[1, 2, 3], [1, 2, 3], [1, 2, 3]],
 [[2, 3, 4], [2, 3, 4], [2, 3, 4]],
 [[3, 4, 5], [3, 4, 5], [3, 4, 5]],
 [[4, 5, 6], [4, 5, 6], [4, 5, 6]]]

第二个切片返回第二个列表（列表索引从0开始，因此索引1是第二个元素）

data[:][1]
Out[46]: [[2, 3, 4], [2, 3, 4], [2, 3, 4]]

第三个片段返回第二个列表中的第二个列表

data[:][1][1]
Out[47]: [2, 3, 4]

如果你想通过列表实现你想要的，你可以使用：

[x[1][1] for x in data]
[2, 3, 4, 5]

循环浏览每个列表并选择第一个列表的第二个元素。
但是，最好使用 numpy ```
import numpy as np
arr = np.array(data)
arr[:, 1, 1]
Out[56]: array([2, 3, 4, 5])

在python中使用矩阵时，我建议使用 numpy .
您的数据是四个3x3矩阵的列表：

data = [
    [
        [1, 2, 3],
        [1, 2, 3],
        [1, 2, 3]
    ],
    [
        [2, 3, 4],
        [2, 3, 4],
        [2, 3, 4]
    ],
    [
        [3, 4, 5],
        [3, 4, 5],
        [3, 4, 5]
    ],
    [
        [4, 5, 6],
        [4, 5, 6],
        [4, 5, 6]
    ],
]

我们可以轻松地将其转换为numpy阵列：

import numpy as np
data_np = np.array(data)
print(data_np.shape)

最后一条语句返回 (4, 3, 3) --与数据等效的结构是一个三维数组，其中第一个是矩阵的索引，最后两个是每个矩阵元素的索引。现在，您可以沿任意维度进行子采样，包括所需的结果：

data_np[:, 1, 1]

返回 array([2, 3, 4, 5]) . 如果需要，还可以通过 data_np[:, 1, 1].tolist() 还有一个纯python版本，我不推荐使用，但在不太明显的情况下，它可能是一个有用的设计模式。使用列表理解，我们访问每个矩阵，然后检索感兴趣的索引。

[matrix[1][1] for matrix in data]

返回一个列表 [2, 3, 4, 5]