29

Let's say I have a row vector of the shape (1, 256). I want to transform it into a column vector of the shape (256, 1) instead. How would you do it in Numpy?

4

6 回答 6

23

您可以使用转置操作来执行此操作：

例子：

In [2]: a = np.array([[1,2], [3,4], [5,6]])
In [5]: a.shape
Out[5]: (3, 2)

In [6]: a_trans = a.T    #or: np.transpose(a), a.transpose()
In [8]: a_trans.shape
Out[8]: (2, 3)
In [7]: a_trans
Out[7]: 
array([[1, 3, 5],
       [2, 4, 6]])

请注意，原始数组a仍将保持不变。转置操作只会制作一个副本并转置它。

如果您的输入数组是一维数组，那么您可以通过引入一个新的（单例）轴作为第二维来将数组提升为列向量。下面是一个例子：

# 1D array
In [13]: arr = np.arange(6)

# promotion to a column vector (i.e., a 2D array)
In [14]: arr = arr[..., None]    #or: arr = arr[:, np.newaxis]

In [15]: arr
Out[15]: 
array([[0],
       [1],
       [2],
       [3],
       [4],
       [5]])

In [12]: arr.shape
Out[12]: (6, 1)

对于 1D 情况，另一种选择是使用numpy.atleast_2d()后跟转置操作，正如 ankostis 在评论中所建议的那样。

In [9]: np.atleast_2d(arr).T
Out[9]: 
array([[0],
       [1],
       [2],
       [3],
       [4],
       [5]])
于 2016-04-03T11:34:15.323 回答
22

我们可以简单地使用 numpy 的 reshape 功能： 

a=np.array([[1,2,3,4]])
a:
array([[1, 2, 3, 4]])

a.shape
(1,4)
b=a.reshape(-1,1)
b:
array([[1],
       [2],
       [3],
       [4]])

b.shape
(4,1)
于 2018-01-19T16:36:38.197 回答
6

我编译的一些方法是：

>>> import numpy as np
>>> a = np.array([1, 2, 3], [2, 4, 5])
>>> a
array([[1, 2],
       [2, 4],
       [3, 5]])

另一种方法：

>>> a.T
array([[1, 2],
       [2, 4],
       [3, 5]])

另一种方法是：

>>> a.reshape(a.shape[1], a.shape[0])
array([[1, 2],
       [3, 2],
       [4, 5]])

我在所有这些问题中都使用了二维数组，真正的问题出现在你想要优雅地列化的一维行向量时。

Numpyreshape有一个功能，你可以传递你想要的维度（行数或列数），如果你传递另一个维度，numpy 可以自己找出另一个维度-1

>>> a.reshape(-1, 1)
array([[1],
       [2],
       [3],
       [2],
       [4],
       [5]])
       
>>> a = np.array([1, 2, 3])
>>> a.reshape(-1, 1)
array([[1],
       [2],
       [3]])
       
>>> a.reshape(2, -1)
...
ValueError: cannot reshape array of size 3 into shape (2,newaxis)

因此，只要(m * n) / your_choice是整数，您就可以选择一维而不必担心其他维度。

如果您想了解更多相关信息-1，请参阅： -1 在 numpy reshape 中是什么意思？

注意：所有这些操作都返回一个新数组，并且不修改原始数组。

于 2018-01-21T09:12:17.620 回答
3

使用np.newaxis可能有点违反直觉。但这是可能的。

>>> a = np.array([1,2,3])
>>> a.shape
(3,)
>>> a[:,np.newaxis].shape
(3, 1)
>>> a[:,None]
array([[1],
       [2],
       [3]])

np.newaxis等于None内部。所以你可以使用None.
但不推荐，因为它会损害可读性

于 2021-09-23T12:58:24.180 回答
2

您可以使用numpy 对象的reshape()方法。

要将任何行向量转换为列向量，请使用

array.reshape(-1, 1)

要将任何列向量转换为行向量，请使用

array.reshape(1, -1)

在此处输入图像描述

reshape()用于改变矩阵的形状。因此，如果您想创建一个 2x2 矩阵，您可以调用类似a.reshape(2, 2).

那么为什么在答案中出现这个-1呢？

如果您不想明确指定一个维度（或未知维度）并希望 numpy 为您找到值，则可以将 -1 传递给该维度。所以 numpy 会自动为你从 ramaining 维度计算值。请记住，您不能将 -1 传递给多个维度。

因此，在第一种情况下（array.reshape(-1, 1)），第二个维度（列）是一个（1），而第一个（行）是未知的（-1）。因此 numpy 将弄清楚如何将 1×4 表示为 x×1 并为您找到 x。

使用重塑方法的替代解决方案将是a.reshape(a.shape[1], a.shape[0])。在这里，您明确指定了 diemsions。

于 2021-05-07T14:54:13.723 回答
1

在 Python 中将行向量转换为列向量可能很重要，例如使用广播：

import numpy as np

def colvec(rowvec):
    v = np.asarray(rowvec)
    return v.reshape(v.size,1)

colvec([1,2,3]) * [[1,2,3], [4,5,6], [7,8,9]]

将第一行乘以 1，第二行乘以 2，第三行乘以 3：

array([[ 1,  2,  3],
       [ 8, 10, 12],
       [  21, 24, 27]])

相反，尝试使用类型为矩阵的列向量：

np.asmatrix([1, 2, 3]).transpose() * [[1,2,3], [4,5,6], [7,8,9]]

失败并出现错误ValueError: shapes (3,1) and (3,3) not aligned: 1 (dim 1) != 3 (dim 0)。

于 2017-08-04T14:19:20.390 回答