21 
import numpy as np

matrix1 = np.array([[1,2,3],[4,5,6]])
vector1 = matrix1[:,0] # This should have shape (2,1) but actually has (2,)
matrix2 = np.array([[2,3],[5,6]])
np.hstack((vector1, matrix2))

ValueError: all the input arrays must have same number of dimensions

问题是当我选择 matrix1 的第一列并将其放入 vector1 时，它会转换为行向量，因此当我尝试与 matrix2 连接时，会出现尺寸错误。我可以做到这一点。

np.hstack((vector1.reshape(matrix2.shape[0],1), matrix2))

但是每次我必须连接一个矩阵和一个向量时，这对我来说太难看了。有没有更简单的方法来做到这一点？

4

3 回答 3

28

更简单的方法是

vector1 = matrix1[:,0:1]

出于这个原因，让我向您推荐我的另一个答案：

当您编写类似a[4]的内容时，这是在访问数组的第五个元素，而不是让您查看原始数组的某些部分。例如，如果 a 是一个数字数组，那么a[4]将只是一个数字。如果a是二维数组，即实际上是数组的数组，那么a[4]将是一维数组。基本上，访问数组元素的操作会返回比原始数组少一维的东西。

于 2013-07-12T19:56:23.427 回答
16

以下是其他三个选项：

  1. 您可以通过允许隐式设置向量的行维度来稍微整理您的解决方案：

    np.hstack((vector1.reshape(-1, 1), matrix2))

  2. np.newaxis您可以使用（或等效地）索引None以插入大小为 1 的新轴：

    np.hstack((vector1[:, np.newaxis], matrix2))
np.hstack((vector1[:, None], matrix2))

  3. 您可以使用np.matrix, 使用整数索引列始终返回列向量：

    matrix1 = np.matrix([[1, 2, 3],[4, 5, 6]])
vector1 = matrix1[:, 0]
matrix2 = np.matrix([[2, 3], [5, 6]])
np.hstack((vector1, matrix2))
于 2013-07-12T19:55:56.503 回答
0

子集

更简单的方法是对矩阵进行子集化。

>>> matrix1
[[1 2 3]
 [4 5 6]]

>>> matrix1[:, [0]] # Subsetting
[[1]
 [4]]

>>> matrix1[:, 0] # Indexing
[1 4]

>>> matrix1[:, 0:1] # Slicing
[[1]
 [4]]

我也在一个类似的问题中提到了这一点。

它的工作原理有点类似于 Pandas 数据框。如果你索引数据框，它会给你一个Series。如果您对数据框进行子集化或切片，它会为您提供一个dataframe。

您的方法使用indexing，David Z 的方法使用slicing，而我的方法使用subsetting。

于 2021-11-06T04:32:33.287 回答