在 Numpy 中将行向量转换为列向量

Question

假设我有一个形状为 (1, 256) 的行向量。我想将其转换为 (256, 1) 形状的列向量。在 Numpy 中你会怎么做？

Answer 1

你可以使用transpose操作来做到这一点：

示例：

In [2]: a = np.array([[1,2], [3,4], [5,6]])
In [5]: a.shape
Out[5]: (3, 2)

In [6]: a_trans = a.T    #or: np.transpose(a), a.transpose()
In [8]: a_trans.shape
Out[8]: (2, 3)
In [7]: a_trans
Out[7]: 
array([[1, 3, 5],
       [2, 4, 6]])

请注意，原始数组 a 仍将保持不变。转置操作只会复制并转置它。

如果您的输入数组是一维的，那么您可以通过引入新的（单例）轴作为第二维来将数组提升为列向量。下面是一个例子：

# 1D array
In [13]: arr = np.arange(6)

# promotion to a column vector (i.e., a 2D array)
In [14]: arr = arr[..., None]    #or: arr = arr[:, np.newaxis]

In [15]: arr
Out[15]: 
array([[0],
       [1],
       [2],
       [3],
       [4],
       [5]])

In [12]: arr.shape
Out[12]: (6, 1)

对于 1D 情况，另一种选择是使用 numpy.atleast_2d() followed by a transpose operation, 。

In [9]: np.atleast_2d(arr).T
Out[9]: 
array([[0],
       [1],
       [2],
       [3],
       [4],
       [5]])

Answer 2

在 Python 中将行向量转换为 列向量 可能很重要，例如使用广播:

import numpy as np

def colvec(rowvec):
    v = np.asarray(rowvec)
    return v.reshape(v.size,1)

colvec([1,2,3]) * [[1,2,3], [4,5,6], [7,8,9]]

第一行乘以1，第二行乘以2，第三行乘以3：

array([[ 1,  2,  3],
       [ 8, 10, 12],
       [  21, 24, 27]])

相比之下，尝试使用类型为矩阵的列向量：

np.asmatrix([1, 2, 3]).transpose() * [[1,2,3], [4,5,6], [7,8,9]]

失败并出现错误 ValueError: shapes (3,1) and (3,3) not aligned: 1 (dim 1) != 3 (dim 0)。

Answer 3

我们可以简单地使用 numpy 的重塑功能：

a=np.array([[1,2,3,4]])
a:
array([[1, 2, 3, 4]])

a.shape
(1,4)
b=a.reshape(-1,1)
b:
array([[1],
       [2],
       [3],
       [4]])

b.shape
(4,1)

Answer 4

我编译的一些方法是：

>>> import numpy as np
>>> a = np.array([1, 2, 3], [2, 4, 5])
>>> a
array([[1, 2],
       [2, 4],
       [3, 5]])

另一种方法：

>>> a.T
array([[1, 2],
       [2, 4],
       [3, 5]])

另一种方法是：

>>> a.reshape(a.shape[1], a.shape[0])
array([[1, 2],
       [3, 2],
       [4, 5]])

我在所有这些问题中都使用了二维数组，真正的问题是当有一个要优雅地列化的一维行向量时。

Numpy 的 reshape 有一个功能，你可以传递你想要的维度之一（行数或列数），如果你传递另一个维度，numpy 可以自己计算出另一个维度-1

>>> a.reshape(-1, 1)
array([[1],
       [2],
       [3],
       [2],
       [4],
       [5]])
       
>>> a = np.array([1, 2, 3])
>>> a.reshape(-1, 1)
array([[1],
       [2],
       [3]])
       
>>> a.reshape(2, -1)
...
ValueError: cannot reshape array of size 3 into shape (2,newaxis)

因此，只要 (m * n) / your_choice 是整数，您就可以选择一维而不用担心另一维。

如果您想了解更多相关信息 -1，请访问： What does -1 mean in numpy reshape?

注意：所有这些操作return一个新数组并且不修改原数组。

Answer 5

你可以使用reshape()numpy对象的方法。

要将任何行向量转换为列向量，请使用

array.reshape(-1, 1)

要将任何列向量转换为行向量，请使用

array.reshape(1, -1)

reshape()用于改变矩阵的形状。因此，如果您想创建一个 2x2 矩阵，您可以调用 a.reshape(2, 2).

之类的方法

那么为什么这个 -1 在答案中？

如果您不想明确指定一个维度（或未知维度）并希望 numpy 为您找到值，您可以将 -1 传递给该维度。所以 numpy 会自动根据剩余维度为你计算值。请记住，您不能将 -1 传递给多维。

因此在第一种情况下(array.reshape(-1, 1))，第二个维度(列)是一个(1)，第一个(行)是未知的(-1)。所以 numpy 会弄清楚如何将 1×4 表示为 x×1 并为你找到 x。

使用重塑方法的替代解决方案是 a.reshape(a.shape[1], a.shape[0])。此处您明确指定了 diemsions。

Answer 6

使用np.newaxis可能有点违反直觉。但这是可能的。

>>> a = np.array([1,2,3])
>>> a.shape
(3,)
>>> a[:,np.newaxis].shape
(3, 1)
>>> a[:,None]
array([[1],
       [2],
       [3]])

np.newaxis 在内部等于 None。所以你可以使用None。
但是不推荐，因为会影响可读性

在 Numpy 中将行向量转换为列向量

Transforming a row vector into a column vector in Numpy

python

numpy

linear-algebra

multidimensional-array

numpy-ndarray