numpy.expand_dims

`numpy.expand_dims`函数用于在指定维度上进行扩充。该函数的语法如下：

numpy.expand_dims(arr, axis)

其中，`arr`表示要进行扩充的数组，`axis`表示要扩充的维度。该函数会在指定维度上增加一个维度，从而扩充数组的维度。

以下是`numpy.expand_dims`函数的使用示例：

import numpy as np

# 定义一个数组
a = np.ones((4, 2))
print(a.shape)  # 输出：(4, 2)

# 在第二个维度上进行扩充
b = np.expand_dims(a, axis=1)
print(b.shape)  # 输出：(4, 1, 2)

# 在第二个维度上进行扩充（第二种方法）
c = a[:, np.newaxis, :]
print(c.shape)  # 输出：(4, 1, 2)

# 在第二个维度上进行扩充（第三种方法）
d = a[:, None, :]
print(d.shape)  # 输出：(4, 1, 2)

相关问题

如何用numpy.expand_dims()函数增加(3, 640, 832)相较于(4, 640, 832)缺失的维度

在NumPy中，如果你有一个较小维度的数组`(3, 640, 832)`想要与另一个较大维度的数组`(4, 640, 832)`进行广播操作，可以使用`numpy.expand_dims()`函数沿着特定轴增加一个新的维度。这个函数的基本语法是：

import numpy as np

arr = np.array((3, 640, 832))  # 小数组
axis = 0  # 要增加维度的轴，默认是0表示沿行增加

expanded_arr = np.expand_dims(arr, axis)

在这里，`axis=0`会让新的维度插入到原数组的第一维（也就是批次数）。这样，`expanded_arr`就会变成形状 `(1, 3, 640, 832)` 的数组，它的第一维为1，与第二个大数组的维度对应，从而实现了广播的要求。

# 原始大数组
big_array = np.random.rand(4, 640, 832)

# 扩展后的数组
expanded_big_array = np.expand_dims(big_array, axis=-1)  # 或者axis=0,取决于你想在哪一端添加新维度

# 现在它们可以进行广播相乘了
result = expanded_arr * expanded_big_array

下列关于numpy.expand_dims()的说法，正确的是（）（单选题） A.用于对换数组的纬度 B.向后滚动特定的轴到一个特定位置 C.用于交换数组的两个轴 D.通过在指定位置插入新的轴来扩展数组形状

D.通过在指定位置插入新的轴来扩展数组形状。numpy.expand_dims()函数的作用是在数组的指定位置插入新的维度，从而扩展数组的形状。具体来说，该函数会在指定的位置（参数axis）插入一个大小为1的新维度，从而扩展数组的形状。例如，对于一个形状为(3, 4)的数组，如果使用numpy.expand_dims(arr, axis=0)函数，则会在第0个位置插入一个新维度，得到一个形状为(1, 3, 4)的新数组。因此，选项D是正确的。选项A、B、C描述的都不是numpy.expand_dims()函数的作用。