import numpy as np a = np.array([1, 2, 3]) print(a)
输出结果：
array([1, 2, 3])
print(a[None])
输出结果：
array([[1, 2, 3]])
print(a[:,None])
输出结果：
array([[1],
[2],
[3]])
使用np.expand_dims()为数组增加指定的轴,np.squeeze()将数组中的轴进行压缩减小维度。
在操作数组情况下，需要按照某个轴将不同数组的维度对齐，这时候需要为数组添加维度(特别是将二维数组变成高维张量的情况下)。
numpy提供了expand_dims()函数来为数组增加维度：
import numpy as np a = np.array([[1,2],[3,4]]) a.shape print(a) >>> """ (2L, 2L) [[1 2] [3 4]] """ # 如果需要在数组上增加维度,输入需要增添维度的轴即可，注意index从零还是 a_add_dimension = np.expand_dims(a,axis=0) a_add_dimension.shape >>> (1L, 2L, 2L) a_add_dimension2 = np.expand_dims(a,axis=-1) a_add_dimension2.shape >>> (2L, 2L, 1L) a_add_dimension3 = np.expand_dims(a,axis=1) a_add_dimension3.shape >>> (2L, 1L, 2L)
在数组中会存在很多轴只有1维的情况，可以使用squeeze函数来压缩冗余维度
b = np.array([[[[5],[6]],[[7],[8]]]])
b.shape
print(b)
>>>
"""
(1L, 2L, 2L, 1L)
array([[[[5],
[6]],
[[7],
[8]]]])
"""
b_squeeze = b.squeeze()
b_squeeze.shape
>>>(2L, 2L) #默认压缩所有为1的维度
b_squeeze0 = b.squeeze(axis=0) #调用array实例的方法
b_squeeze0.shape
>>>(2L, 2L, 1L)
b_squeeze3 = np.squeeze(b, axis=3) #调用numpy的方法
b_squeeze3.shape
>>>(1L, 2L, 2L)
以上为个人经验，希望能给大家一个参考，也希望大家多多支持。
