Python/Numpy中的秩为1的数组与向量的区别

最新推荐文章于 2024-12-27 18:04:35 发布

原创

最新推荐文章于 2024-12-27 18:04:35 发布 · 2.8k 阅读

12 ·

CC 4.0 BY-SA版权

本文探讨了Python中Numpy数组和向量的区别，特别是秩为1的数组。通过示例代码展示，当进行np.dot操作时，秩为1数组的转置不影响形状，导致结果是一个数值。在机器学习和神经网络编程中，建议使用特定方式定义矩阵以获得期望的矩阵乘法结果。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

在Pthon中，通过Numpy定义数组或者矩阵时，需要注意数组和向量的区别

先来看一下下面这段代码

import numpy as np

a = np.random.randn(5)
b = np.dot(a, a.T)  ## a.T表示a的转置

print("a=",a)
print("a.shape =",a.shape)
print("a.T=",a.T)
print("a.t.shape =",a.T.shape)
print("b=",b)

你会得到什么样的输出呢？

a= [-0.02166131  0.21747619 -0.69452927 -0.02256078  0.46888393]
a.shape = (5,)
a.T= [-0.02166131  0.21747619 -0.69452927 -0.02256078  0.46888393]
a.t.shape = (5,)
b= 0.7504971360249943

从这个输出结果可以看出，a的转置并没有发生变化，因此在进行np.dot操作之后，得到的是一个数值。其中a就是一个秩为1的数组，a.shape也是一个看起来比较奇怪的样子（5,) ，它的转置shape也是一样的。

在进行机器学习、神经网络编程时，为了让矩阵操作更加显性化，也更便于理解，建议采用如下方式定义矩阵。

import numpy as np

x = np.random.randn(5,1)
y = np.dot(x, x.T)

print("x=",x)
print("x.shape=",x.shape)
print("x.T",x.T)
print("x.T.shape=",x.T.shape)
print("y",y)

上例中显性的定义了一个矩阵x，5行1列，也就是一个列向量。那么输出的结果如下：</