我们相信：世界是美好的，你是我也是。 来玩一下解压小游戏吧！

说了ndarray的降维方法，本文反其道而行，说说ndarray的增加维度的方法。在以前的文章中，是使用np.expand_dims()来增加维度的。本文使用另外一个方法，叫做np.newaxis。它不是一个函数，只是一个特殊的常量。

苏南大叔：基于python，利用np.newaxis扩展维度信息，等效的三种写法 - np
基于python，利用np.newaxis扩展维度信息，等效的三种写法（图1-1）

苏南大叔的“程序如此灵动”技术博客，记录苏南大叔的代码经验总结。本文测试环境：win10，python@3.11.0，numpy@1.24.2。

np.newaxis 代表 None

既然是个常量，那么必然代表着某个数值。打印一下看看效果。

import numpy as np
print(np.newaxis)  # None
Python

居然输出None！

np.newaxis 同效不同写法

新的测试代码对比：

import numpy as np

x = np.array([1, 2, 3])
print(x.shape)  # (3,)

x0 = x[:, np.newaxis]
print(x0,x0.shape)  # [[1] [2] [3]] (3, 1)

x1 = x[:, None]
print(x1,x1.shape)  # [[1] [2] [3]] (3, 1)

print(np.array_equal(x0, x1))  # True

x2 = np.expand_dims(x, axis=1)
print(x2,x2.shape)  # [[1] [2] [3]] (3, 1)

print(np.array_equal(x0, x2))  # True
Python

结论是：

  • 使用np.newaxis和None效果一样。
  • 使用np.newaxis和np.expand_dims()的效果也是一样的。

轴向 axis 设置

import numpy as np

x = np.array([1, 2, 3])
print(x.shape)  # (3,)

x3 = x[np.newaxis, :]
print(x3.shape)  # (1, 3)
print(x3)  # [[1 2 3]]

x4 = np.expand_dims(x, axis=0)
print(x4.shape)  # (1, 3)
print(x4)  # [[1 2 3]]
Python

可见：np.newaxis的代码位置，代表了axis轴向。

维度要一层一层扩展

理论上可以拓展无线多层，只要按顺序不断执行即可。

# 基于上面的x3,x4
x5 = x3[np.newaxis, :]
print(x5.shape)  # (1, 1, 3)
print(x5)  # [[[1 2 3]]]

x6 = np.expand_dims(x4, axis=0)
print(x6.shape)  # (1, 1, 3)
print(x6)  # [[[1 2 3]]]
Python

一键降维

本文的这些变量，都是np.squeeze()函数的好的实验对象。

import numpy as np

x = np.array([1, 2, 3])  # (3,)
x0 = x[:, np.newaxis]  # [[1] [2] [3]] (3, 1)
x1 = x[:, None]  # [[1] [2] [3]] (3, 1)
x2 = np.expand_dims(x, axis=1)  # [[1] [2] [3]] (3, 1)
x3 = x[np.newaxis, :]  # [[1 2 3]]  (1, 3)
x4 = np.expand_dims(x, axis=0)  #  [[1 2 3]]  (1, 3)
x5 = x3[np.newaxis, :]  # [[[1 2 3]]] (1, 1, 3)
x6 = np.expand_dims(x4, axis=0)  # [[[1 2 3]]] (1, 1, 3)

print(np.squeeze(x))    # [1 2 3]
print(np.squeeze(x0))   # [1 2 3]
print(np.squeeze(x1))   # [1 2 3]
print(np.squeeze(x2))   # [1 2 3]
print(np.squeeze(x3))   # [1 2 3]
print(np.squeeze(x4))   # [1 2 3]
print(np.squeeze(x5))   # [1 2 3]
print(np.squeeze(x6))   # [1 2 3]
Python

结语

这些就是维度的游戏... 更多python的经验技巧文章，请参考：

如果本文对您有帮助，或者节约了您的时间，欢迎打赏瓶饮料，建立下友谊关系。
本博客不欢迎：各种镜像采集行为。请尊重原创文章内容，转载请保留作者链接。

 【福利】 腾讯云最新爆款活动！1核2G云服务器首年50元！

 【源码】本文代码片段及相关软件，请点此获取更多信息

 【绝密】秘籍文章入口，仅传授于有缘之人   python