简述
在Sklearn的document上看到的这个代码。简直是让人不得不佩服。太天才了！
下面这一行代码就生成了一个10*10的希尔伯特矩阵
X = 1. / (np.arange(1, 11) + np.arange(0, 10)[:, np.newaxis])没错，就是这么6
然后，怀着敬畏的心，对这个做进一步的研究。
print(np.arange(1, 11) + np.arange(0, 2)[:, np.newaxis])输出的结果是：
[[ 1 2 3 4 5 6 7 8 9 10]
[ 2 3 4 5 6 7 8 9 10 11]]要注意的是：
print(np.arange(1, 11) + 1)
print(np.arange(1, 11))输出的结果是：
[ 2 3 4 5 6 7 8 9 10 11]
[ 1 2 3 4 5 6 7 8 9 10]再进一步的探究：
print(np.arange(1, 10)[:, np.newaxis])输出结果是：
[[1]
[2]
[3]
[4]
[5]
[6]
[7]
[8]
[9]]简直了！ Amazing!
这里告诉了我们两件事，一个ndarray( shape is m * 1) + ndarray(shape is n * 1) 变成了一个新的ndarray(shape is m * n)
扫描二维码关注公众号，回复：
2527380 查看本文章
例如：
a = np.array([[1, ], [2, ]])
print(np.arange(1, 11) + a)
输出的结果是：（注意，上面的关于a生成过程中逗号不能省去）
[[ 2 3 4 5 6 7 8 9 10 11]
[ 3 4 5 6 7 8 9 10 11 12]]此外还有
a = np.array([[1, ], [2, ]])
print(a[:, np.newaxis])这个输出是：
[[[1]]
[[2]]]表面上看，这个操作实现了对于原来的函数的上增加一个新的维度。
但是还是很值得考究。比如下面的这个情况：
a = np.array([[1, 3], [2, 4]])
print(a[:, np.newaxis])输出是：
[[[1 3]]
[[2 4]]]目前可以理解的是，这个操作的效果。
解开最外层的list，然后每个元素都在外面套一个list，之后再套回来之前解开的那个套[]。这是一个比较形象的表述？？
还是通过代码来描述吧：
a = np.arange(1, 11)
print(a[:])输出的结果是：
[ 1 2 3 4 5 6 7 8 9 10]- python中
:表示全部意思。 - 之后通过，np.newaxis这参数的名字上可以知道，这个可以用来扩展一个新的轴。
- 第三个要注意了，这里讲np.newaxis放在了列的位置。（第二维度的位置）
a = np.arange(1, 11)
print(a[np.newaxis, :])输出的结果是：
[[ 1 2 3 4 5 6 7 8 9 10]]这个可以跟之前的进行对比，在行上进行了扩展。（即，按np.newaxis所在的维度进行移动，这个维度上的元素（抽象，整体化一下）都各自添加一个维度）