python中numpy.zeros(dem.shape[:2])[:, :, numpy.newaxis]

最近在看选择性搜索的代码，python一些常用函数用法没有掌握好，导致理解困难，所以看懂一个做一个笔记，方便之后查看
前一篇文章介绍了dem.shape的含义
类似地，对于一个图像来说dem.shape[:2]输出的是图像的长宽，但是后面增加新维度的操作我又看不懂了，通过查看输出并比较一下代码，帮助我理解了这个操作

dem = numpy.array([[[ 0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.],
   [ 0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.],
   [ 0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.]],
   [[ 0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.],
   [ 0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.],
   [ 0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.]]])
print(numpy.zeros(dem.shape[:2]))
print(numpy.zeros(dem.shape[:2])[:, :, numpy.newaxis])
print(numpy.zeros(dem.shape[:2])[:, numpy.newaxis,: ])
print(numpy.zeros(dem.shape[:2])[numpy.newaxis,:, : ])

输出结果为

[[ 0.  0.  0.]
 [ 0.  0.  0.]]

---

[[[ 0.]
  [ 0.]
  [ 0.]]

 [[ 0.]
  [ 0.]
  [ 0.]]]

---

[[[ 0.  0.  0.]]

 [[ 0.  0.  0.]]]

---

[[[ 0.  0.  0.]
  [ 0.  0.  0.]]]

可以看出，第一个操作是在多维数组的最内层增加一个维度，第二个操作是在多维数组的从内到外的第二层增加一个维度，第三个操作是在多维数组的从内到外的第三层增加一个维度