Python numpy中将shape为(n,)的数组重塑为(n, 1, 1)的其他方法

以下是几种将shape为(n,)的一维数组转换为(n,1,1)三维数组的常用方案，都可以达到你需要的效果：

• 方案1：更简洁的reshape写法
  你当前的写法可以优化，不需要手动获取数组长度，直接用-1让numpy自动推导第一维的长度：

newarr = arr.reshape(-1, 1, 1)

这个方案和你现有写法逻辑一致，代码更简洁，不需要依赖数组长度计算。

• 方案2：索引插入新维度（最常用写法）
  利用numpy的None（等价于np.newaxis）插入长度为1的新维度，每加一个None就新增一个维度：

newarr = arr[:, None, None]

这个写法是numpy生态中增加维度的惯用写法，代码最短，可读性也很高，熟手写代码大多喜欢用这个。

• 方案3：用expand_dims显式插入维度
  如果希望代码语义更明确，方便新手阅读，可以用np.expand_dims方法，直接指定要插入新维度的位置：

# numpy 1.18及以上版本支持同时传入多个轴参数
newarr = np.expand_dims(arr, axis=(1, 2))
# 低版本numpy可以分两次调用
newarr = np.expand_dims(np.expand_dims(arr, 1), 2)

这个方案语义最清晰，代码意图一眼就能看明白，适合团队协作的公开代码场景。

• 方案4：用atleast_3d转换后调整维度
  np.atleast_3d可以直接将数组转为至少3维，不过默认给一维数组返回的shape是(1, n, 1)，需要调整轴顺序：

newarr = np.atleast_3d(arr).transpose(1, 0, 2)

这个方案相对小众，适合本身需要做维度调整的复合操作场景。

内容的提问来源于stack exchange，提问作者dadadima