np.newaxis 为 numpy.ndarray（多维数组）增加一个轴

>> type(np.newaxis)NoneType
1
2
1
2

np.newaxis 在使用和功能上等价于 None，其实就是 None 的一个别名。

1. np.newaxis 的实用

>> x = np.arange(3)>> xarray([0, 1, 2])>> x.shape(3,)>> x[:, np.newaxis]array([[0],       [1],       [2]])>> x[:, None]array([[0],       [1],       [2]])>> x[:, np.newaxis].shape (3, 1)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19

2. 索引多维数组的某一列时返回的是一个行向量

>>> X = np.array([[1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12]])>>> X[:, 1]array([2, 6, 10])       % 这里是一个行>>> X[:, 1].shape       % X[:, 1] 的用法完全等同于一个行，而不是一个列，(3, )
1
2
3
4
5
1
2
3
4
5

所以，一种正确的索引方式是：

>>>X[:, 1][:, np.newaxis]array([[2],      [6],      [10]])
1
2
3
4
1
2
3
4

如果想实现第二列和第四列的拼接（层叠）：

>>>X_sub = np.hstack([X[:, 1][:, np.newaxis], X[:, 3][:, np.newaxis]])                              % hstack：horizontal stack，水平方向上的层叠>>>X_subarray([[2, 4]      [6, 8]      [10, 12]])