numpy中...与np.newaxis组合索引的含义及结果差异咨询

先看你给出的测试代码（补充必要的导入语句）：

import numpy as np
test_1 = np.zeros((2, 2))
test_2 = np.zeros((2, 2, 1))
print(test_1[..., np.newaxis])
print(test_1[np.newaxis])

执行结果：

[[[0.]
  [0.]]

 [[0.]
  [0.]]]
[[[0. 0.]
  [0. 0.]]]

1. ...的含义 #

在NumPy里，...是**Ellipsis（省略号）**的简写，作用是替代数组中「所有未被明确指定的维度」，相当于多个冒号:的组合：

• 对于2维数组test_1，...就等价于:（取所有行）和:（取所有列），也就是test_1[..., np.newaxis]和test_1[:, :, np.newaxis]完全等价。
• 如果是3维数组，...就等价于::，以此类推。

2. 两行索引代码输出不同的原因 #

np.newaxis的作用是在指定位置新增一个大小为1的维度，而...和np.newaxis的位置决定了新增维度的位置：

• test_1[..., np.newaxis]：...占了原数组的所有维度（前两个维度），np.newaxis放在最后，所以是在原数组的最后一个维度之后新增维度。原数组形状(2,2)变成(2,2,1)，每个元素都被包裹成单元素子数组，对应第一个输出结构。
• test_1[np.newaxis]：np.newaxis放在最前面，也就是在原数组的第一个维度之前新增维度。原数组形状(2,2)变成(1,2,2)，相当于把整个原数组当成一个元素，套进了新的外层数组里，对应第二个输出结构。

简单说就是：前者给每个元素加了一层「小包装」，后者给整个数组套了一层「大盒子」，最终的数组结构自然不同。

内容的提问来源于stack exchange，提问作者rogerhenry