Numpy轉置不給予預期的結果

我想在Python scipy模塊轉置方法的一個非常基本的例子，但沒有給予預期的結果。我用python模式使用Ipython。Numpy轉置不給予預期的結果

a = array([1,2,3] 
print a.shape 
>> (3,) 
b = a.transpose() 
print b.shape 
>> (3,)

如果我打印數組「a」和「b」的內容，它們是相似的。

期望是：（這將導致在Matlab OM轉）

[1, 
    2, 
    3]

來源

2012-08-09 sarbjit

類似：http://stackoverflow.com/questions/5954603/python-numpy-transpose – nobar 2013-02-13 06:36:02

NumPy的transpose()有效地反轉了一個數組的形狀。如果數組是一維的，這意味着它沒有效果。

在NumPy的，陣列

array([1, 2, 3])

和

array([1, 
     2, 
     3])

實際上是相同的 - 它們只在空白不同。你可能需要的是相應的二維數組，其中transpose()可以正常工作。也可以考慮使用與NumPy的matrix類型：

In [1]: numpy.matrix([1, 2, 3]) 
Out[1]: matrix([[1, 2, 3]]) 

In [2]: numpy.matrix([1, 2, 3]).T 
Out[2]: 
matrix([[1], 
     [2], 
     [3]])

注意，對於大多數應用來說，普通的一維數組將正常工作既是一個行或列向量，但是從MATLAB來的時候，你可能更喜歡使用numpy.matrix。

來源

2012-08-09 14:23:45

'matrix'沒有按」 t的行爲完全像'array'。它造成混亂。切斷電源並從'array'開始可能會更好。 – jfs 2012-08-09 15:04:43

@ J.F.Sebastian：它的行爲不同的事實正是我提到它的原因，因爲這種行爲更接近Matlab用戶習慣的。我很少使用矩陣類，但我發現它有時候很方便。 – 2012-08-09 15:39:28

最近，我不得不使用一個函數（來自'sklearn'），它在其輸入上調用.shape來決定特徵和樣本的數量。所以對於我的數據，它明確需要一個形狀（5,1）的輸入數組而不是（1,5），以便做我想要的。在這種情況下，「矩陣」將起作用，而「陣列」不會 - 除非有辦法用數組來處理這個問題。 – user2428107 2015-10-08 06:29:52

你應該嘗試：a = array([[1,2,3]])或a = array([[1],[2],[3]])，就是a應該是一個矩陣（行向量，列向量）。

來源

2012-08-09 14:23:36 vonPetrushev

Transpose是一維數組的一個noop。

添加新中軸線和轉：

>>> a[None].T 
array([[1], 
     [2], 
     [3]]) 
>>> np.newaxis is None 
True

或整形：

>>> a.reshape(a.shape+(1,)) 
array([[1], 
     [2], 
     [3]])

或者像@Sven Marnach的意見建議，在末尾添加新中軸線：

>>> a[:,None] 
array([[1], 
     [2], 
     [3]])

來源

2012-08-09 14:31:09 jfs

除了在開始和移位時添加一個軸，我通常更喜歡在最後添加新的軸：'a [：，None]'將在一個步驟中給出所需的結果。 – 2012-08-09 14:39:31

@SvenMarnach：我已經更新了答案 – jfs 2012-08-09 14:41:44

爲了推廣更高維度，使用@SvenMarnach的思想，你可以做'a [...，None]'。 http://docs.scipy.org/doc/numpy-1.10.1/user/basics.indexing.html#structural-indexing-tools – astrojuanlu 2015-12-21 06:48:58

將一維陣列重塑爲二維陣列的更簡潔的方式是：

a = np.array([1,2,3]), a_2d = a.reshape((1,-1)) or a_2d = a.reshape((-1,1))

-1的形狀矢量意味着「填寫任何數字，使這項工作」

來源

2012-08-09 14:44:09

Numpy轉置不給予預期的結果

回答

相關問題