np中维度的理解和np.expand_dims

np.expand_dims的作用是通过在指定位置插入新的轴来扩展数组形状，
函数格式如下：
np.expand_dims(array, axis)

当axis=0时，我们从最外面的括号开始看，axis=0是最高维度，axis=1就是从左至右第二个括号所包含的内容，以此类推。

import numpy as np
a = np.array([[1, 2, 3], [4, 5, 6]])
print(a.shape)
a.shape(2, 3)

（1）当axis = 0 时，我们从最高维扩展数组（增加它的维度），就给它在最外面再添个括号就可以啦，即yoz平面。所以，

b = np.expand_dims(a, axis=0) 
b = [[[1, 2, 3], [4, 5, 6]]]
b.shape = (1, 2, 3)

shape（1, 2, 3）表示从左至右（从高维到低维：axis = 0 , 1, 2）所包含内容的情况，axis = 0（最外面的括号）只包含1个内容：[[1, 2, 3], [4, 5, 6]]; axis = 1（第二个括号）里包含2个内容：[1, 2, 3], [4, 5, 6]。axis = 3（第三个括号）里包含3个内容：1,2,3；或4,5,6
(2）当axis = 1 时，就是给第二个括号再加一个括号啦，即xoz平面

c = np.expand_dims(a, axis=1) 
c = [[[1, 2, 3]], [[4, 5, 6]]]
c.shape = (2, 1, 3)

（3）当axis = 2 时，就是给最里面的数加一个括号,即xoy平面

d = np.expand_dims(a, axis=2) 
d = [[[1], [2], [3]], [[4], [5], [6]]]
d.shape = (2, 3, 1)