### 将二维 NumPy 数组扩展为三维数组的方法 为了防止因维度不匹配而导致的 `ValueError`，可以使用多种方法将二维 NumPy 数组转换为三维数组。以下是几种常见的方式： #### 方法 1：使用 `numpy.expand_dims()` 该函数可以在指定位置插入新的轴，从而增加数组的一个维度。 ```python import numpy as np array_2d = np.array([[1, 2], [3, 4]]) # 在第 0 轴或第 2 轴上添加新维度 array_3d_axis0 = np.expand_dims(array_2d, axis=0) # 形状变为 (1, 2, 2)[^1] array_3d_axis2 = np.expand_dims(array_2d, axis=2) # 形状变为 (2, 2, 1)[^1] print(f"Original shape: {array_2d.shape}") print(f"After expanding along axis 0: {array_3d_axis0.shape}") print(f"After expanding along axis 2: {array_3d_axis2.shape}") ``` #### 方法 2：使用 `numpy.newaxis` 这是另一种简单的方式来向现有数组中引入额外的维度。 ```python array_3d_newaxis0 = array_2d[np.newaxis, :, :] # 插入到最前面的位置 array_3d_newaxis2 = array_2d[:, :, np.newaxis] # 添加到最后面作为第三个维度 print(f"With newaxis at start: {array_3d_newaxis0.shape}") # 输出应显示新增加的第一个维度 print(f"With newaxis at end: {array_3d_newaxis2.shape}") # 显示最后一个维度被创建出来的情况[^2] ``` #### 方法 3：通过 reshape 改变形状 如果知道目标维度的具体大小，也可以直接调用 `.reshape()` 方法重新定义其结构。 ```python target_shape = (1,) + array_2d.shape # 创建一个元组表示期望的新尺寸 array_reshaped = array_2d.reshape(target_shape) alternative_target_shape = (*array_2d.shape[:1], *array_2d.shape[1:], 1) alt_array_reshaped = array_2d.reshape(alternative_target_shape) print(f"Reshaping to add first dim: {array_reshaped.shape}") # 应打印出(1,2,2) print(f"Alternative reshaping adding last dim: {alt_array_reshaped.shape}") # 结果应该是(2,2,1)[^3] ``` 每种方法都有各自的适用场景，具体选择取决于实际需求以及后续计算逻辑的要求。 ---