讓我們考慮a一個一維行/水平數組：import numpy as npN = 10a = np.arange(N) # array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])a.shape # (10,)現在我想要b一個一維列/垂直數組轉置a：b = a.transpose() # array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])b.shape # (10,)但該.transpose()方法返回一個完全相同的ndarray，形狀完全相同！我期望看到的是np.array([[0], [1], [2], [3], [4], [5], [6], [7], [8], [9]])這可以通過c = a.reshape(a.shape[0], 1) # or c = a; c.shape = (c.shape[0], 1)c.shape # (10, 1)令我驚訝的是，它的形狀是 ，(10, 1)而不是(1, 10)。在 Octave/Scilab 我可以這樣做：N = 10b = 0:(N-1)a = b'size(b) % ans = 1 10size(a) % ans = 10 1我知道 numpy ndarrays 不是矩陣（如此處所討論的），但是 numpy 的轉置函數的行為對我來說沒有意義！如果您能幫助我了解這種行為的意義以及我在這里缺少什么，我將不勝感激。PS所以到目前為止我所理解b = a.transpose()的是b = a; b.shape = b.shape[::-1]，如果你有一個“二維數組”，(N, 1)它將返回一個(1, N)整形數組，正如你對轉置運算符所期望的那樣。但是，numpy 似乎將“一維數組”(N,)視為 0D 標量。我認為他們應該將此方法命名為其他名稱，因為這非常具有誤導性/令人困惑的恕我直言。
2 回答
泛舟湖上清波郎朗
TA貢獻1818條經驗 獲得超3個贊
簡而言之，numpy ndarrays 有這個屬性叫做 stride，也就是
要在內存中跳過以繼續到下一個元素的字節數。例如，對于 (10, 10) 字節數組，步長可能是 (10, 1)，換句話說：前進一個字節以到達下一列，前進 10 個字節以定位下一行。
對于您的 ndarray a，a.stride= (8,)，這表明它只是一維的，并且要到達該一維上的下一個元素，您需要在內存中提前 8 個字節（每個 int 是 64 位）。
步幅對于表示轉置很有用：
例如，通過修改步幅，可以零成本轉置或重塑數組（無需復制內存）。
因此，如果有一個二維 ndarray，b = np.ones((3,5))例如，然后b.strides= (40, 8)，而b.transpose().strides= (8, 40)。因此，如您所見，轉置的 2D-ndarray 只是完全相同的數組，其步幅已重新排序。而且由于您的一維 ndarray 只有一維，因此交換其步幅的值（即取其轉置）不會做任何事情。
慕蓋茨4494581
TA貢獻1850條經驗 獲得超11個贊
正如您已經提到的，numpy 數組不是矩陣。轉置函數的定義如下
置換數組的維度。
這意味著 numpy 的轉置方法會將數據從一個維度移動到另一個維度。由于一維數組只有一個維度，因此沒有其他維度可以移動數據 t0。所以你需要在轉置有任何效果之前添加一個維度。這種行為對于與更高維數組（3D、4D ...）數組保持一致也是有意義的。
有一種干凈的方法可以實現您想要的
N = 10
a = np.arange(N)
a[ :, np.newaxis]
添加回答
舉報
0/150
提交
取消