本文主要是介绍Numpy数轴编号规则，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
当在NumPy数组中增加维度时，轴号的分配遵循一个明确的规则：每个新添加的维度都会作为一个新的轴被添加到数组形状的最前面，这意味着新轴成为轴0，原有的所有轴号随之增加。
精准描述：
对于一个已存在的N维数组，其轴号从0到N-1。当增加一个新的维度时，新的轴被添加到形状的最前面，成为新的轴0，而原有的每个轴号都会加1，变成1到N。
详细举例：
假设我们有以下几种情况的数组，来说明维度增加时轴号的变化：
从零维到一维
-
初始状态：一个零维数组，无轴。
-
增加维度：添加一个新维度，变为一维数组。
-
结果：新的数组有一个轴，该轴是轴0。
从一维到二维
-
初始状态：一个一维数组，有一个轴，是轴0。
arr_1d = np.array([1, 2, 3]) # 形状为 (3,) -
增加维度：通过某种操作（如
np.newaxis或np.expand_dims）在最前面添加一个新的维度，变为二维数组。arr_2d = arr_1d[np.newaxis, :] # 或 np.expand_dims(arr_1d, axis=0) -
结果：新的数组是二维的，形状为
(1, 3)。原来的唯一轴现在是轴1，新添加的维度成为轴0。arr_2d.shape == (1, 3)
从二维到三维
-
初始状态：一个二维数组，有两个轴，分别是轴0和轴1。
rr_2d = np.array([[1, 2, 3], [4, 5, 6]]) # 形状为 (2, 3) -
增加维度：在最前面添加一个新的维度，变为三维数组。
arr_3d = np.expand_dims(arr_2d, axis=0) -
结果：新的数组是三维的，形状为
(1, 2, 3)。原来的轴0和轴1现在分别变为轴1和轴2，新添加的维度成为轴0。arr_3d.shape == (1, 2, 3)
通过这些例子，可以看到，随着数组维度的增加，新添加的维度总是出现在形状描述的最前面，相应地，原有的所有轴号依次增加，以适应新的数组形状。
这篇关于Numpy数轴编号规则的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
