numpy给array增加维度np.newaxis的实例

首先，需要了解numpy中多维数组的概念。在numpy中，多维数组也被称为ndarray，它是一种类似于数组的数据结构，但是可以支持多维数组，其中每个元素都必须是同类型。

numpy为了方便处理多维数组，提供了一些函数和属性来处理多维数组。其中，np.newaxis是一个非常有用的属性，可以在数组的指定位置增加一维。

具体来说，当我们使用np.newaxis时，它会在数组的指定位置增加一维，这个位置可以是行、列或者深度。因此，使用np.newaxis可以方便地改变数组的形状，从而方便地进行各种计算操作。

下面是两个简单的示例：

示例1

创建一个一维数组arr1，然后通过np.newaxis将其转换为二维数组arr2：

import numpy as np

# 创建一个一维数组
arr1 = np.array([1, 2, 3, 4])

# 使用np.newaxis将其转换为二维数组
arr2 = arr1[np.newaxis, :]

print(arr1.shape)
# 输出：(4,)
print(arr2.shape)
# 输出：(1, 4)

在上面的代码中，我们首先创建了一个一维数组arr1，它的形状是(4,)。然后，我们使用np.newaxis将其转换为二维数组arr2，并将其转换为了形状为(1, 4)的数组。这里我们将np.newaxis加在了第一维的位置，也就是行的方向上。

示例2

创建一个二维数组arr3，然后通过np.newaxis将其转换为三维数组arr4：

import numpy as np

# 创建一个二维数组
arr3 = np.array([[1, 2], [3, 4]])

# 使用np.newaxis将其转换为三维数组
arr4 = arr3[:, :, np.newaxis]

print(arr3.shape)
# 输出：(2, 2)
print(arr4.shape)
# 输出：(2, 2, 1)

在上面的代码中，我们首先创建了一个二维数组arr3，它的形状是(2, 2)。然后，我们使用np.newaxis将其转换为三维数组arr4，并将其转换为了形状为(2, 2, 1)的数组。这里我们将np.newaxis加在了第三维的位置，也就是深度方向上。

通过以上的两个示例，我们可以看出，使用np.newaxis可以在数组的指定位置增加一维，从而改变数组的形状，方便进行各种计算操作。