Numpy数组中None的作用

今天遇到一个小情况，记录一下：

>>> import numpy as np
>a=[1,2,3,4]
>>> a=np.array(a)
>>> a
array([1, 2, 3, 4])
>>> b=a[:,None]
>>> b
array([[1],
       [2],
       [3],
       [4]])
>>> c=a[:,None,None]
>>> c
array([[[1]],

       [[2]],

       [[3]],

       [[4]]])

>>> a=np.ones((2,3))
>>> a
array([[1., 1., 1.],
       [1., 1., 1.]])
>>> b=a[:,None,:]
>>> b
array([[[1., 1., 1.]],

       [[1., 1., 1.]]])
>>> b=a[None,:,:]
>>> b
array([[[1., 1., 1.],
        [1., 1., 1.]]])


在pytorch中：
>>> import torch as t
>>> a=t.from_numpy(a)
>>> a
tensor([[1., 1., 1.],
        [1., 1., 1.]], dtype=torch.float64)
>>> b=a[:,None,:]
>>> b
tensor([[[1., 1., 1.]],

        [[1., 1., 1.]]], dtype=torch.float64)
>>>
>>>

可以看出，在数组索引中，加入None就相当于在对应维度加一维
但是这种方法只是在ndarray和tensor类型使用，python的list并不适用（会报错）

希望能够帮到你。?