foo[:, None]将一维数组扩展
foo到第二维。实际上，
numpy使用别名
np.newaxis来做到这一点。
考虑
foo
foo = np.array([1, 2])print(foo)[1 2]
一维阵列具有局限性。例如，什么是移调？
print(foo.T)[1 2]
与数组本身相同
print(foo.T == foo)[ True True]
此限制有很多含义，
foo在更高维度的上下文中考虑变得很有用。numpy的用途
np.newaxis
print(foo[np.newaxis, :])[[1 2]]
但这
np.newaxis只是语法糖
None
np.newaxis is NoneTrue
因此，我们通常会
None改用它，因为它的字符更少，含义相同
print(foo[None, :])[[1 2]]
好吧，让我们看看我们还能做些什么。注意，我
None在第一个位置使用示例，而OP在第二个位置使用示例。此位置指定要扩展的尺寸。而且我们可以采取进一步的措施。让这些例子帮助解释
print(foo[None, :]) # same as foo.reshape(1, 2)[[1 2]]
print(foo[:, None]) # same as foo.reshape(2, 1)[[1] [2]]
print(foo[None, None, :]) # same as foo.reshape(1, 1, 2)[[[1 2]]]
print(foo[None, :, None]) # same as foo.reshape(1, 2, 1)[[[1] [2]]]
print(foo[:, None, None]) # same as foo.reshape(2, 1, 1)[[[1]] [[2]]]
记住numpy打印数组时哪个维度
print(np.arange(27).reshape(3, 3, 3)) dim2 ────────⇀dim0 → [[[ 0 1 2] │ dim1 [ 3 4 5] │ [ 6 7 8]] ↓ ────────⇀ → [[ 9 10 11] │ [12 13 14] │ [15 16 17]] ↓ ────────⇀ → [[18 19 20] │ [21 22 23] │ [24 25 26]]] ↓
