关于np.newaxis的使用规律

之前一直困惑np.newaxis的用法，每次遇到都一脸懵逼，网上特有不少博客对它的解释，不过大多都是举一些例子，乍一看还是不知所云，摸不着规律

博客https://blog.csdn.net/lanchunhui/article/details/49725065 中提到，np.newaxis与None等价，作用就是为numpy数组增加一个轴来改变数组维度

import numpy as np

type(np.newaxis)

NoneType

np.newaxis==None

True

接下来说一下np.newaxis是如何改变数组维度的：

首先，我们知道可以通过array的shape属性得到维度信息

a=np.array([[1,2,3],[4,5,6]])
print(a.shape)

(2, 3)

通过a[np.newaxis,:]或者a[:,np.newaxis]可以改变a的维度

a[np.newaxis,:]

array([[[1, 2, 3],
        [4, 5, 6]]])

a[:,np.newaxis]

array([[[1, 2, 3]],

       [[4, 5, 6]]])

根据np.newaxis出现的位置，在a.shape的对应位置insert一个1，得到的就是改变后的shape，例如

a[np.newaxis,:].shape

(1, 2, 3)

a[:,np.newaxis].shape

(2, 1, 3)

a[:,:,np.newaxis].shape

(2, 3, 1)

当然，也可以增加更多的axis，利用这个规律可以方便算出新的shape

a[np.newaxis,:,np.newaxis,:,np.newaxis].shape

(1, 2, 1, 3, 1)

而得到的新的数组就相当于原来的数组做了一次reshape

a[np.newaxis,:,np.newaxis,:,np.newaxis]

array([[[[[1],
          [2],
          [3]]],


        [[[4],
          [5],
          [6]]]]])

a.reshape((1, 2, 1, 3, 1))

array([[[[[1],
          [2],
          [3]]],


        [[[4],
          [5],
          [6]]]]])