NumPy: использовать массив 2D-индексов из argmin в 3D-срезе

Я пытаюсь проиндексировать большие 3D-массивы, используя 2D-массив индикаторов из argmin (или связанных функций argmax и т. д.). Вот мой пример данных:

import numpy as np
shape3d = (16, 500, 335)
shapelen = reduce(lambda x, y: x*y, shape3d)

# 3D array of [random] source integers
intcube = np.random.uniform(2, 50, shapelen).astype('i').reshape(shape3d)

# 2D array of indices of minimum value along first axis
minax0 = intcube.argmin(axis=0)

# Another 3D array where I'd like to use the indices from minax0
othercube = np.zeros(shape3d)

# A 2D array of [random] values I'd like to assign in othercube
some2d = np.empty(shape3d[1:])

На данный момент оба трехмерных массива имеют одинаковую форму, а массив minax0 имеет форму (500, 335). Теперь я хотел бы присвоить значения из 2D-массива some2d 3D-массиву othercube , используя minax0 для позиции индекса первого измерения. Это то, что я пытаюсь, но не работает:

othercube[minax0] = some2d    # or
othercube[minax0,:] = some2d

выдает ошибку:

ValueError: размеры слишком велики в причудливой индексации

Примечание: то, что я сейчас использую, но не очень NumPythonic:

for r in range(shape3d[1]):
    for c in range(shape3d[2]):
        othercube[minax0[r, c], r, c] = some2d[r, c]

Я рылся в сети, чтобы найти похожие примеры, которые могут проиндексировать othercube , но не нашел ничего элегантного. Потребуется ли для этого расширенный индекс ? Какие-нибудь советы?