numpy一维数组永远为列向量

原创于 2021-03-18 01:21:01 发布 · 3.4k 阅读

8 ·

CC 4.0 BY-SA版权

文章标签：

#numpy #python #机器学习

python小tips 同时被 2 个专栏收录

45 篇文章

订阅专栏

numpy

3 篇文章

订阅专栏

numpy的一维数组始终以列向量形式存储，即使使用transpose或ravel也无法转换为行向量。在机器学习中，有时需要最后一维为特定尺寸N，此时列向量不适用。解决方法是通过reshape方法将一维numpy列向量转换为所需形状。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

import numpy as np
a = np.array([1,3,4,5])
print(a.shape)
a = np.transpose(a)
print(a.shape)
print(a)

a = np.ravel(a)
print(a.shape)
print(a)

a = a.reshape((1,4))
print(a.shape)

输出如下

(4,)
(4,)
[1 3 4 5]
(4,)
[1 3 4 5]
(1, 4)

我们会发现，对于一维的数组，numpy的数组形式永远是以列向量的形式存储的，不论是使用transpose转置还是ravel尝试flatten这个数组都没办法让列向量转为行向量，这在一般情况下不会产生问题。但在机器学习训练与predict时，有时会要求最后一维的维度，例如为N，那么列向量显然不满足这个维度要求。为此，需要使用reshape方法，让一维numpy列向量转置。