將numpy（n，）向量重塑爲（n，1）向量

Question

因此，當我需要做一些線性代數時，我更容易將向量看作列向量。因此，我更喜歡（n，1）形狀。

形狀（n，）和（n，1）之間是否存在顯着的內存使用差異？

什麼是首選方式？

以及如何將（n，）向量重塑爲（n，1）向量。不知怎的，b.reshape（（n，1））並沒有做到這一點。

a = np.random.random((10,1)) 
b = np.ones((10,)) 
b.reshape((10,1)) 
print(a) 
print(b) 

[[ 0.76336295] 
[ 0.71643237] 
[ 0.37312894] 
[ 0.33668241] 
[ 0.55551975] 
[ 0.20055153] 
[ 0.01636735] 
[ 0.5724694 ] 
[ 0.96887004] 
[ 0.58609882]] 
[ 1. 1. 1. 1. 1. 1. 1. 1. 1. 1.] 

Answer 1

ndarray.reshape()返回新視圖或副本（取決於新形狀）。它不會修改陣列。

b.reshape((10, 1)) 

因爲這樣做是無效的，因爲創建的視圖/副本沒有分配給任何東西。 「修復」很簡單：

b_new = b.reshape((10, 1)) 

在兩個形狀之間所使用的內存量應該完全不同。 Numpy陣列使用strides的概念，因此尺寸(10,)和(10, 1)都可以使用相同的緩衝區;跳到下一行和列的金額只是變化。