关于numpy中np.expand_dims方法的理解

这个东西的主要作用，就是增加一个维度。



现在我们假设有一个数组A，数组A是一个两行三列的矩阵。大小我们记成（2,3）。

先明白一个常识，计算机中计数，一般是从0开始的。

所以（2,3）这个两行三列的矩阵，

它的第“0”维，就是这个“2”行；第“1”维，就是这个“3”列。

这个函数的作用，就是在第“axis”维，加一个维度出来，原先的“维”，推到右边去。



比如我们设置axis为0，那A矩阵的大小就变成了（1,2,3），就从2*3的二维矩阵变成了一个1*2 *3的三维矩阵。如果设置axis为1，矩阵大小就变成了（2,1,3），变成了一个2*1*3的三维矩阵。axis为2的时候，就变成（2,3,1)啦。

那么，说了这么多，矩阵的形式变了，那么矩阵里面的数字怎么变的呢？





举个例子：

假设现在矩阵是2*3的矩阵，六个数字

1 2 3

4 5 6

初中和高中所学的平面直角坐标系和空间直角坐标系还记得吗？

我们设置axis为0，矩阵从2*3的二维矩阵变成了1*2*3的三维矩阵。

我们假设原来是一个二维平面，横坐标为x，纵坐标为y, 2*3的矩阵在这个XOY平面上。此时就是一个二维矩阵，（根本就没有z轴）

而变换以后，现在变成了三维矩阵，变成了一个空间直角坐标系，，有x，y，z三个轴。

原先的2*3的矩阵从XOY平面移动到了YOZ平面

（我们把原先的矩阵当成一个平摊在桌面上的纸片，变换以后，相当于给它立起来了），然后原先的X轴的“厚度”为1，此时虽然形式还是原来的数字，但是多了一个轴。



那如果设置axis为1呢？

就是从XOY面的矩阵，给它立起来到XOZ平面，在Y轴的厚度为1。

设置axis为2，就是从XOY面的矩阵，还是放在XOY面上。但是这时候多了一个z轴，（相当于这个操作之后可以在桌面的纸片上面，叠加新的纸片了）



——————————————————————————————————

这时候我们再看矩阵

1 2 3

4 5 6

原先A[0][0]对应1,A[0][1]对应2,A[0][2]对应3,A[1][0]对应4……

如果设置axis为0，这时候矩阵从XOY平面移动到了YOZ平面，X轴只有一个值

那么,变换后的矩阵A'的第一个维度，只有一个值，就只能是0

A'[0][0][0]是1，A[0][0][1]是2，A[0][0][2]是3

A'[0][1][0]是4，A[0][1][1]是5，A[0][1][2]是6

A'[0][0]不指定第三维，那么就是[1,2,3]

A'[0][1]不指定第三维，就是[4,5,6]

那A[1][0][0]……呢？不好意思，没有，因为第一维只能取一个数，就是0。

axis为1,2都同理。



可能说的有点啰嗦了。

如果是三维矩阵变成四维矩阵，那就不好直接想象样子了。但是道理是一样的。