Question

当我使用numpy.shape()检查数组的形状时，有时会得到(length,1)，有时会(length,)。看起来差异是列与行向量...但它似乎没有改变关于数组本身的任何内容[除了一些函数在我传递形状为(length,1)的数组时抱怨]。

这两者有什么区别？
为什么形状不仅仅是(length)？

Answer 1

重点是说矢量可以看作是

向量
只有一列的矩阵
三维阵列，其中第二维和第三维具有长度
...

您可以使用[:, np.newaxis]语法添加维度，或使用np.squeeze删除维度：

>>> xs = np.array([1, 2, 3, 4, 5])
>>> xs.shape
(5,)
>>> xs[:, np.newaxis].shape  # a matrix with only one column
(5, 1)
>>> xs[np.newaxis, :].shape  # a matrix with only one row
(1, 5)
>>> xs[:, np.newaxis, np.newaxis].shape  # a 3 dimensional array
(5, 1, 1)
>>> np.squeeze(xs[:, np.newaxis, np.newaxis]).shape
(5,)

Answer 2

在Python中，(length,)是一个元组，只有一个项目。 (length)只是一个数字的括号。

在numpy中，数组可以包含任意数量的维度，0,1,2等。您要问的是1维和2维对象之间的区别。 (length,1)是一个2项元组，为您提供2d数组的维度。

如果您习惯使用MATLAB，可能会因为所有数组都是2维或更大而感到困惑。

Answer 3

（length，）数组是一个数组，其中每个元素都是数字，并且数组中有长度元素。（length，1）数组是一个也有长度元素的数组，但每个元素本身都是一个带有单个元素的数组。例如，以下使用length = 3。

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

Answer 4

Python中的向量实际上是一个二维数组。行数是1（对于行向量）或列数是1（对于列向量）只是一个巧合。

相反，一维数组不是矢量（行矢量和列矢量都不是）。要理解这一点，请考虑几何学中的一个标量概念。标量仅具有一个数字属性。相反，向量具有两个属性，数量和方向。幸运的是，在线性代数中，矢量也具有“方向”，尽管只有两个可能的方向-水平或垂直（与几何中无限可能的方向不同）。一维数组仅具有数字含义-它没有显示此数组指向的方向。这就是为什么我们需要二维数组来描述向量的原因。

一维数组形状（长度）与（长度，1）对比（长度）

4 个答案: