是否存在np.squeeze等效方法将数组维度从(1,3)提升至(1,1,3)？

当然存在这样的方法——np.squeeze的作用是压缩数组中维度为1的轴，你需要的是它的反向操作：手动插入一个维度为1的轴，把形状从(1,3)变成(1,1,3)。下面是几种常用的等效实现：

方法1：使用np.expand_dims() #

这个函数可以精准指定要插入的轴的位置，适合需要明确控制维度插入位置的场景：

import numpy as np

A = np.array([[1,2,3]])
A_expanded = np.expand_dims(A, axis=1)  # 在索引为1的位置插入新轴
print(A_expanded.shape)  # 输出：(1, 1, 3)

方法2：使用np.newaxis（简洁写法） #

通过索引语法直接插入新轴，是日常写代码时最常用的方式：

A_expanded = A[:, np.newaxis]  # 等价于在第二个维度插入轴
print(A_expanded.shape)  # 输出：(1, 1, 3)

方法3：使用np.reshape() #

如果已经明确知道目标形状，直接用reshape指定即可（注意元素总数必须和原数组一致）：

A_expanded = A.reshape(1, 1, 3)
print(A_expanded.shape)  # 输出：(1, 1, 3)

以上方法都不会修改原数组的数据，只是返回一个调整了维度的新数组，和np.squeeze的“仅调整维度、不改变数据”特性完全匹配。

内容的提问来源于stack exchange，提问作者user19862793