为什么使用形状（x，）的数组而不是（x，1）？[副本]

Question

我最近遇到了几个错误，因为Numpy数组的形状是（x）-这些可以很容易地通过下面的代码段修复

a = np.array([1,2,3,4]) #this form produced a bug
a.shape 
>>> (4,)  
a.shape = [4,1] #but this change fixed it 

但这确实让我想知道，为什么（x，）是1D数组的默认形状？

Answer 1

引用文件：

形状元组的元素给出相应数组维度的长度。

因此，当你有像（4，）这样的形状时，它意味着它的第一个维度中有4个元素。从你的例子来看，这是有道理的？

相反，如果我们有形状，如你所说，如（4，1），那么它意味着第一维度（轴=1，用NumPy术语）有4个元素，第二维度（用NumPy术语，轴=0）有1个元素，但情况并非如此（对于1D数组）

Answer 2

我怀疑这个问题会出现，因为您来自Matlab背景，其中所有内容都被视为矩阵。在Matlab中，所有1D数据集都被视为行向量或列向量，索引被短路，因此指定单个索引会将两者视为1D列表。

Numpy本身并不处理矩阵，而是处理嵌套列表。列表列表与Matlab的矩阵有相似的解释，但有一些关键的区别。例如，Numpy不会对您所指的元素做出任何假设。如果只给它一个索引，那么无论嵌套列表的深度如何，索引的作用总是相同的。

import numpy as np

arr = np.array([1, 2, 3, 4])
print(arr)
>> [1 2 3 4]
print(arr[0])
>> 1

arr.shape = [4, 1]
print(arr)
>> [[1]
>>  [2]
>>  [3]
>>  [4]]
print(arr[0])
>> [1]

arr.shape = [1, 4]
print(arr)
>> [[1 2 3 4]]
print(arr[0])
>> [1 2 3 4]

Answer 3

形状的元组中的每个项表示一个轴。如果其中有一个项目，则表示数组为一维（1轴），否则将为二维数组。当您执行a.shape=[4,1]操作时，您只需将1D数组转换为2D：

In [26]: a = np.array([1,2,3,4])
In [27]: a.shape = [4,1]

In [28]: a.shape        
Out[28]: (4, 1)

In [29]: a
Out[29]: 
array([[1],
       [2],
       [3],
       [4]])