如何将(5,)numpy数组转换为(5,1)？

2019年8月3日 317次阅读

如何将(5,)numpy数组转换为(5,1)？

以及如何从(5,1)向后转换为(5,)？

(5,)数组的目的是什么,为什么省略一维？我的意思是为什么我们不总是使用(5,1)形式？

是仅仅保留了1D和2D数组,还是可能存在类似(2,3,)数组的存在？

更新：

我设法将(5,)转换为(5,1)

a= np.reshape(a, (a.shape[0], 1))

但建议的变体看起来更简单：

a = a[:, None] or a = a[:, np.newaxis]

可以使用从(5,1)到(5,)np.ravel的转换

a= np.ravel(a)

最佳答案 具有形状(5,)的numpy阵列是1维阵列,而具有形状(5,1)的numpy阵列是2维阵列.差异很微妙,但可以以一种主要方式改变一些计算.人们必须特别小心,因为这些变化可能会使所有维度变平,例如np.mean或np.sum.

除了@ m-massias的答案之外,请考虑以下示例：

17:00:25 [2]: import numpy as np
17:00:31 [3]: a = np.array([1,2])
17:00:34 [4]: b = np.array([[1,2], [3,4]])
17:00:45 [6]: b * a
      Out[6]: 
array([[1, 4],
       [3, 8]])
17:00:50 [7]: b * a[:,None] # Different result!
      Out[7]: 
array([[1, 2],
       [6, 8]])

a具有形状(2,),并且在第二维度上为broadcast.所以你得到的结果是每一行(第一个维度)乘以向量：

17:02:44 [10]: b * np.array([[1, 2], [1, 2]])
      Out[10]: 
array([[1, 4],
       [3, 8]])

另一方面,[：,None]具有形状(2,1),因此已知矢量的方向是列.因此,您得到的结果来自以下操作(其中每列乘以a)：

17:03:39 [11]: b * np.array([[1, 1], [2, 2]])
      Out[11]: 
array([[1, 2],
       [6, 8]])

我希望能够说明两个阵列的行为方式有何不同.

点赞