简短回答：

[a[:,:j] for j in i]

您尝试做的是 * 不是可矢量化的操作 *。Wikipedia defines矢量化是对单个数组而不是单个标量的批处理操作：
在计算机科学中，数组编程语言（也称为向量或多维语言）将标量运算推广到向量、矩阵和高维数组。
...
...对整个数组进行操作的操作可以称为矢量化操作...
在CPU级优化方面，definition of vectorization为：
"矢量化"（简化）是重写循环的过程，因此它不是处理数组的单个元素N次，而是同时处理（比方说）数组的4个元素N/4次。
您的案例的问题在于，每个操作的结果都具有 * 不同的形状 *：(3, 1)，(3, 2)和(3, 3)。它们不能形成单个矢量化操作的输出，因为输出必须是一个连续的数组。当然，它可以包含(3, 1)，(3, 2)和(3, 3)数组（作为视图），但这是你的原始数组a已经做的。
你真正需要的只是一个表达式来计算所有的变量：

[a[:,:j] for j in i]

......但是它并没有在性能优化的意义上进行矢量化。在其背后，它是一个普通的for循环，一个接一个地计算每一项。

我在冒险使用numpy.concatenate来模拟一个类似于C++的二维向量回推时遇到了这个问题;如果A和B是两个二维numpy.数组，则numpy.concatenate（A，B）会产生错误。
修复方法是简单地添加缺少的方括号：numpy.concatenate（（A，B）），这是必需的，因为要连接的数组构成一个 * 单个 * 参数

这可能与这个特定的问题无关，但我遇到了一个类似的问题，我在Python列表上使用NumPy索引，得到了完全相同的错误消息：

# incorrect
weights = list(range(1, 129)) + list(range(128, 0, -1))
mapped_image = weights[image[:, :, band]] # image.shape = [800, 600, 3]
# TypeError: only integer scalar arrays can be converted to a scalar index

事实证明，在应用多维NumPy索引之前，我需要将weights（一个1D Python列表）转换为NumPy数组。

# correct
weights = np.array(list(range(1, 129)) + list(range(128, 0, -1)))
mapped_image = weights[image[:, :, band]] # image.shape = [800, 600, 3]

尝试以下操作将数组更改为1D

a.reshape((1, -1))

可以使用numpy.ravel从n维数组返回一个扁平数组：

>>> a
array([[0, 1, 2],
       [3, 4, 5],
       [6, 7, 8]])
>>> a.ravel()
array([0, 1, 2, 3, 4, 5, 6, 7, 8])

我有一个类似的问题，并解决了它使用列表...不确定这是否会有帮助或没有

classes = list(unique_labels(y_true, y_pred))

当我们用向量代替标量时，这个问题就出现了，例如在for循环中，取值范围应该是标量，如果你在那个地方给了一个向量，你会得到错误，所以为了避免这个问题，使用你所用向量的长度

我遇到这个错误时，试图访问列表元素使用一维数组.我建议这个页面，但我不知道我在寻找答案.
设l为列表，myarray为我的一维数组，使用myarray的元素访问列表l的正确方法是
np.take(l,myarray)