如何为NumPy数组添加维度？将(50,32)数组扩展为(50,32,16,16)

你需要的不是单纯新增维度（单纯新增会得到(50,32,1,1)），而是要把新增的维度扩展到16的大小，以下是几种实用实现方式：

方法1：用np.newaxis + np.broadcast_to（推荐，内存友好） #

np.newaxis用于快速新增维度，np.broadcast_to通过广播机制扩展维度（不复制数据，仅创建视图）：

import numpy as np

# 初始化原数组
arr = np.random.rand(50, 32)
# 新增两个大小为1的维度，得到形状(50,32,1,1)
arr_with_new_dims = arr[..., np.newaxis, np.newaxis]
# 广播到目标形状(50,32,16,16)
result = np.broadcast_to(arr_with_new_dims, (50, 32, 16, 16))

• ...代表保留原数组的所有现有维度，后续的np.newaxis依次添加第三、第四维度。
• 广播后的数组与原数组共享内存，适合不需要修改重复数据的场景。

方法2：用np.expand_dims + np.tile（需要复制数据时使用） #

如果需要实际复制数据（比如后续要修改每个位置的元素），可以用np.expand_dims指定维度位置，再用np.tile复制填充：

import numpy as np

arr = np.random.rand(50, 32)
# 依次在第3、第4维度位置新增大小为1的维度
arr_expanded = np.expand_dims(np.expand_dims(arr, axis=2), axis=3)
# 按维度复制：前两个维度不复制，后两个维度各复制16次
result = np.tile(arr_expanded, (1, 1, 16, 16))

• np.expand_dims(arr, axis=2)表示在索引为2的位置（第三维）新增维度，同理axis=3对应第四维。
• np.tile的参数是每个维度的复制次数，(1,1,16,16)保证原数组的前两个维度不变，后两个维度扩展到16。

关于np.newaxis和np.expand_dims的说明 #

两者本质是等价的：

• arr[..., np.newaxis] 等价于 np.expand_dims(arr, axis=-1)（-1表示最后一个位置）
• np.newaxis写法更简洁，适合手动指定维度；np.expand_dims适合动态传入axis参数的编程场景。

内容的提问来源于stack exchange，提问作者Prometheus