In [1]: import numpy as np
In [2]: a = np.array([[2,0],[3,0],[3,1],[5,0],[5,1],[5,2]])
In [3]: b = np.zeros((6,3), dtype='int32')

In [4]: b[a[:,0], a[:,1]] = 10

In [5]: b
Out[5]: 
array([[ 0,  0,  0],
       [ 0,  0,  0],
       [10,  0,  0],
       [10, 10,  0],
       [ 0,  0,  0],
       [10, 10, 10]])

工作原理：

如果你在赋值语句中用两个numpy数组来索引b

b[x, y] = z

然后将NumPy视为同时在x的每个元素、y的每个元素和z的每个元素上移动（我们称之为xval，yval和zval），并将值zval赋给B[xval，yval]。当z是常数时，“在z上移动每次只返回相同的值。
这就是我们想要的，x是a的第一列，y是a的第二列，因此，选择x = a[:, 0]和y = a[:, 1]。

b[a[:,0], a[:,1]] = 10

为什么b[a] = 10不起作用

当你写b[a]时，把NumPy看作是通过移动a的每个元素（我们称每个元素为idx）来创建一个新数组，并把b[idx]的值放在a中idx的位置。
idx是a中的值。因此它是int32。b的形状为（6，3），因此b[idx]是b的形状为（3，）的行。例如，当idx为

In [37]: a[1,1]
Out[37]: 0

b[a[1,1]]是

In [38]: b[a[1,1]]
Out[38]: array([0, 0, 0])

所以

In [33]: b[a].shape
Out[33]: (6, 2, 3)

我们再重复一遍：NumPy正在创建一个新数组，方法是移动a的每个元素，并将b[idx]的值放入新数组中a中idx的位置。当idx移动到a上时，将生成一个形状为但由于b[idx]本身的形状为（3，），因此在形状为（6，2）的数组中的每个位置都放置了形状为（3，）的值，结果是形状为（6，2，3）的数组。
现在，当你做一个

b[a] = 10

形状的临时阵列（6，2，3），然后执行赋值。由于10是常数，因此此赋值将值10放置在（6，2，3）形状的数组。然后临时数组中的值被重新分配回b。请参阅参考文档。因此（6，2，3）型数组被复制回（6，3）型b数组。值会相互覆盖。但主要的一点是，你没有得到你想要的赋值。

您也可以转置索引数组a，将结果转换为元组，然后为数组b建立索引并赋值。将索引数组转换为元组可确保多维索引按预期工作。

a = np.array([[2, 0], [3, 0], [3, 1], [5, 0], [5, 1], [5, 2]])
b = np.zeros((6,3), dtype ='int32')

b[tuple(a.T)] = 10
# or 
b[(*a.T,)] = 10
# or 
b[(*a.T.tolist(),)] = 10

所有这些都产生预期输出

array([[ 0,  0,  0],
       [ 0,  0,  0],
       [10,  0,  0],
       [10, 10,  0],
       [ 0,  0,  0],
       [10, 10, 10]])