这个东西的主要作用，就是增加一个维度。
现在我们假设有一个数组A，数组A是一个两行三列的矩阵。大小我们记成(2, 3)。

图1. 矩阵
如果我们设置axis = 0,即 np.expand_dims(A, 0)，我们的矩阵就从(2, 3)->(1, 2, 3)；如果，我们设置axis = 1，即np.expand_dims(A, 1)，我们的矩阵就从(2, 3)->(2, 1, 3)；如果，我们设置axis = 2，即np.expand_dims(A, 2)，我们的矩阵就从(2, 3)->(2, 3, 1)。
从上面来看，我们的数据就发生了一个增维的过程，那么这个数据增维会产生什么变化？
通过上面一篇笔记，我们知道，Python中是通过[]套娃的个数来表示数据的维度的，比如我们的一维表示：1, 2然后二维表示：[1, 2, 3], [4, 5, 6]，扩展到三维：[[[1, 2, 3], [4, 5, 6]], [7, 8, 9], [1, 1, 1]]。
所以，通俗点说，我们就相当于通过np.expand_dims(A, 0)来给A的维度加[]，然后在shape中加一个×。

参考链接

参考链接1：关于numy中np.expand_dims方法的理解？