Python 3.x 将中的1D数组转换为Numpy中的行或列向量

我对数组和向量的NumPy概念感到困惑，假设我们有一个一维数组，如下所示。从“形状”方法中，我可以看到尺寸<代码>（10，）表示一个包含10个元素的维度

a = np.arange(10)
print(a)
a.shape

[0 1 2 3 4 5 6 7 8 9]
(10,)

现在我了解了一种称为

np.newaxis

的方法，它可以将数组转换为行向量。所以我想知道，在NumPy中，我们是否假设行或列向量总是二维的？（我认为在线性代数中，向量可以存在于任何维度，或者当我们提到“维度”时，NumPy和线性代数在概念上存在差异？）。因为向量是通过调用

np.newaxis

添加1维来转换的

print(a[np.newaxis:])
print(a[np.newaxis,:].shape)

[0 1 2 3 4 5 6 7 8 9]
(1, 10)

---

请注意，维度单词在不同的上下文中可能有不同的含义。例如，在线性代数中，（1，1）是二维空间中的向量，（1，1，1）是三维空间中的向量，它们都是编程语言中的一维数组。三维向量的集合在线性代数中是矩阵，在编程语言中是二维数组

就线性代数而言，形状（10，）是10维向量或10个标量值。形状（10,2）是2个10维向量或10个2维向量

让我们考虑线性代数矩阵乘法公式：

AB(i,j) = sum(A[i,k] * B[k,j])

如果我们假设行向量是维数为（1，N）的矩阵，列向量是维数为（N，1）的矩阵，则此公式对向量仍然有效

NumPy使用相同的方法。但是NumPy不仅允许二维数组，还允许一维、三维等等。这种阵列对于其他计算模型很有用。如果你对此感兴趣，你可以阅读更多关于张量的内容

您可以使用

.reformate（…）

方法重新排列

ndarray

的元素。更改数组的形状时，所有元素都保留在原来的位置，但元素的地址会更改

---

如果我们假设行向量和列向量是特殊的对象，我们将被迫使计算规则复杂化，这是非常不切实际的。

如果要重塑数组，您应该使用：

new_数组=np.重塑（旧_数组，（-1,2））

---

其中-1是给定数组大小的新数组大小。

只需运行以下命令：

a.reshape(-1,1)

---

在

numpy

docs中，您在哪里看到了

row vector

矢量也不是标准的。

ndarray

具有

ndim

维度，可以是0,1,2（最多32个）。很多来自MATLAB或线性代数背景的人来到

numpy

时，都会被任何没有二维（行和列）的东西弄糊涂。（10，），（1,10），（10,1）都是包含10个元素的数组形状。但（1,10,1,1）和（2,5）也是如此。您可以使用

重塑
@Flying pig获得任何形状。问题是关于术语维度还是关于更改
ndarray
的形状？