我正在 Python scipy 模块中尝试一个非常基本的示例transpose()
方法,但它没有给出预期的结果。我正在将 Ipython 与 pylab 模式一起使用。
a = array([1,2,3]
print a.shape
>> (3,)
b = a.transpose()
print b.shape
>> (3,)
如果我打印数组“a”和“b”的内容,它们是相似的。
期望是:(这将导致 Matlab 转置)
[1,
2,
3]
NumPytranspose()
有效地反转了数组的形状。如果数组是一维的,这意味着它没有效果。
在 NumPy 中,数组
array([1, 2, 3])
和
array([1,
2,
3])
实际上是相同的——它们只是在空格上有所不同。您可能想要的是相应的二维数组,它们transpose()
可以正常工作。还可以考虑使用 NumPy 的matrix
类型:
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]])
请注意,对于大多数应用程序,普通的一维数组可以作为行向量或列向量正常工作,但是当来自 Matlab 时,您可能更喜欢使用numpy.matrix
.
转置是一维数组的 noop。
添加新轴并转置:
>>> a[None].T
array([[1],
[2],
[3]])
>>> np.newaxis is None
True
或重塑:
>>> a.reshape(a.shape+(1,))
array([[1],
[2],
[3]])
或者正如@Sven Marnach 在评论中建议的那样,在最后添加新轴:
>>> a[:,None]
array([[1],
[2],
[3]])
将一维数组重塑为二维数组的更简洁的方法是:
a = np.array([1,2,3]), a_2d = a.reshape((1,-1)) or a_2d = a.reshape((-1,1))
形状向量中的 -1 表示“填写任何数字使其工作”
你应该试试:a = array([[1,2,3]])
or a = array([[1],[2],[3]])
,也就是说,a
应该是一个矩阵(行向量,列向量)。