numy中np.expand_dims方法的理解？
這個東西的主要作用，就是增加一個維度。現在我們假設有一個數組A，數組A是一個兩行三列的矩陣。大小我們記成（2,3）。
先明白一個常識，計算機中計數，一般是從0開始的。
所以（2,3）這個兩行三列的矩陣，
它的第“0”維，就是這個“2”行；第“1”維，就是這個“3”列。
這個函數的作用，就是在第“axis”維，加一個維度出來，原先的“維”，推到右邊去。
比如我們設置axis為0，那A矩陣的大小就變成了（1,2,3），就從2*3的二維矩陣變成了一個1*2 *3的三維矩陣。如果設置axis為1，矩陣大小就變成了（2,1,3），變成了一個2*1*3的三維矩陣。axis為2的時候，就變成（2,3,1)啦。
那麼，說了這麼多，矩陣的形式變了，那麼矩陣裡面的數字怎麼變的呢？
舉個例子：
假設現在矩陣是2*3的矩陣，六個數字
1 2 3
4 5 6
初中和高中所學的平面直角坐標系和空間直角坐標系還記得嗎？
我們設置axis為0，矩陣從2*3的二維矩陣變成了1 * 2*3的三維矩陣。
我們假設原來是一個二維平面，橫坐標為x，縱坐標為y, 2*3的矩陣在這個XOY平面上。此時就是一個二維矩陣，（根本就沒有z軸）
而變換以後，現在變成了三維矩陣，變成了一個空間直角坐標系，，有x，y，z三個軸。
原先的2*3的矩陣從XOY平面移動到了YOZ平面
（我們把原先的矩陣當成一個平攤在桌面上的紙片，變換以後，相當於給它立起來了），然後原先的X軸的“厚度”為1，此時雖然形式還是原來的數字，但是多了一個軸。
那如果設置axis為1呢？
就是從XOY面的矩陣，給它立起來到XOZ平面，在Y軸的厚度為1。
設置axis為2，就是從XOY面的矩陣，還是放在XOY面上。但是這時候多了一個z軸，（相當於這個操作之後可以在桌面的紙片上面，疊加新的紙片了）
——————————————————————————————————
這時候我們再看矩陣
1 2 3
4 5 6
原先A對應1,A對應2,A對應3,A對應4……
如果設置axis為0，這時候矩陣從XOY平面移動到了YOZ平面，X軸只有一個值
那麼,變換後的矩陣A'的第一個維度，只有一個值，就只能是0
A'是1，A是2，A是3
A'是4，A是5，A是6
A'不指定第三維，那麼就是
A'不指定第三維，就是
那A……呢？不好意思，沒有，因為第一維只能取一個數，就是0。
axis為1,2都同理。
函數格式如下：
np.expand_dims(array, axis)
首先，我們需要理解axis（https:// blog.csdn.net/qq_358603 52/article/details/80463111）的意義，當axis=0時，我們從最外面的括號開始看，axis=0是最高維度，axis=1就是從左至右第二個括號所包含的內容，以此類推。
從例子理解：
1.我們先來看一維數組, axis = 0, 1, 2的情況
import numpy as np
a = np.array()
print(a.shape)
# a.shape(3,)
那麼，
（1）當axis = 0 時，我們從最高維擴展數組（增加它的維度），就給它在最外面再添個括號就可以啦。所以，
b = np.expand_dims(a, axis=0)
b = []
b.shape = (1, 3)
shape（1，3）表示從左至右（從高維到低維：axis = 0 , 1）所包含內容的情況，axis = 0（最外面的括號）只包含一個內容：; axis = 1（第二個括號）裡包含三個內容：1, 2，3。
（2）當axis = 1 時， 只有第0維有括號，所以當axis = 1就是給裡面的數加括號啦
c = np.expand_dims(a, axis=1)
c = [, , ]
c.shape = (3, 1)
（3）當axis = 2時，我們可以發現，我們沒有地方加括號，所以它還是和axis=1的情況一樣。並且程序會提示：（以後會報錯）
DeprecationWarning: Both axis > a.ndim and axis < -a.ndim - 1 are deprecated and will raise an AxisError in the future.
————————————————————
2.我們再來看二維數組, axis = 0, 1, 2的情況
import numpy as np
a = np.array([, ])
print(a.shape)
# a.shape(2, 3)
那麼，
（1）當axis = 0 時，我們從最高維擴展數組（增加它的維度），就給它在最外面再添個括號就可以啦。所以，
b = np.expand_dims(a, axis=0)
b = [[, ]]
b.shape = (1, 2, 3)
shape（1, 2, 3）表示從左至右（從高維到低維：axis = 0 , 1, 2）所包含內容的情況，axis = 0（最外面的括號）只包含1個內容：[, ]; axis = 1（第二個括號）裡包含2個內容：, 。axis = 3（第三個括號）裡包含3個內容：1， 2， 3；或4，5， 6
（2）當axis = 1 時，就是給第二個括號再加一個括號啦
c = np.expand_dims(a, axis=1)
c = [[], []]
c.shape = (2, 1, 3)
（3）當axis = 2 時，就是給最裡面的數加一個括號。
d = np.expand_dims(a, axis=2)
d = [[, , ], [, , ]]
d.shape = (2, 3, 1)
參考文章
https://www.zhihu.com/question/265545749
頁:
[1]