这些数组形状之间的差异numpy

Question

2个形状为-的数组有什么区别？

（442,1） 和 （442，） ？

打印这两个将产生相同的输出，但是当我检查是否等于 ==时 ，会得到一个像这样的2D向量-

array([[ True, False, False, ..., False, False, False],
       [False,  True, False, ..., False, False, False],
       [False, False,  True, ..., False, False, False],
       ..., 
       [False, False, False, ...,  True, False, False],
       [False, False, False, ..., False,  True, False],
       [False, False, False, ..., False, False,  True]], dtype=bool)

有人可以解释差异吗？

Answer 1

形状数组(442, 1)是二维的。它具有442行和1列。

形状数组(442, )是一维的，由442个元素组成。

请注意，他们的代表也应该看起来有所不同。括号的数量和位置有所不同：

In [7]: np.array([1,2,3]).shape
Out[7]: (3,)

In [8]: np.array([[1],[2],[3]]).shape
Out[8]: (3, 1)

请注意，您可以np.squeeze用来删除长度为1的轴：

In [13]: np.squeeze(np.array([[1],[2],[3]])).shape
Out[13]: (3,)

NumPy广播规则允许在需要时
在左侧 自动添加新轴。因此(442,)可以广播到(1, 442)。长度为1的轴可以广播到任意长度。因此，当你测试形状的阵列之间的相等(442, 1)和形状的阵列(442, )，所述第二阵列被提升到形状(1, 442)，然后将两个阵列扩大它们的长度1上，使得它们都成为广播形状的阵列的轴(442, 442)。这就是为什么当您测试相等性时，结果是一个布尔的shape数组(442, 442)。

In [15]: np.array([1,2,3]) == np.array([[1],[2],[3]])
Out[15]: 
array([[ True, False, False],
       [False,  True, False],
       [False, False,  True]], dtype=bool)

In [16]: np.array([1,2,3]) == np.squeeze(np.array([[1],[2],[3]]))
Out[16]: array([ True,  True,  True], dtype=bool)