Python 1D数组的Numpy转置未给出预期结果

我正在为

transpose（）

方法在Python scipy模块中尝试一个非常基本的示例，但没有给出预期的结果。我在pylab模式下使用Ipython

a = array([1,2,3]
print a.shape
>> (3,)

b = a.transpose()
print b.shape
>> (3,)

如果我打印数组“a”和“b”的内容，它们是相似的

期望值为：（这将在Matlab转置中产生）

---

您应该尝试：

a=array（[[1,2,3]]）

或

a=array（[[1]、[2]、[3]]）

，也就是说，

a

应该是一个矩阵（行向量、列向量）。

NumPy的

转置（）

有效地反转了数组的形状。如果数组是一维的，这意味着它没有效果

在NumPy中，数组

array([1, 2, 3])

及

实际上是一样的——它们只是在空白处有所不同。您可能需要的是相应的二维数组，

transpose（）。还考虑使用NUMPY的代码>矩阵< /代码>类型：

In [1]: numpy.matrix([1, 2, 3])
Out[1]: matrix([[1, 2, 3]])

In [2]: numpy.matrix([1, 2, 3]).T
Out[2]: 
matrix([[1],
        [2],
        [3]])

请注意，对于大多数应用程序，普通一维数组可以作为行向量或列向量使用，但是当来自Matlab时，您可能更喜欢使用
numpy。矩阵
转置是一维数组的noop

添加新轴和转置：

>>> a[None].T
array([[1],
       [2],
       [3]])
>>> np.newaxis is None
True

或重塑：

>>> a.reshape(a.shape+(1,))
array([[1],
       [2],
       [3]])

或者按照@Sven Marnach在评论中的建议，在末尾添加新轴：

>>> a[:,None]
array([[1],
       [2],
       [3]])

将一维阵列重塑为二维阵列的更简洁的方法是：

a = np.array([1,2,3]),  a_2d = a.reshape((1,-1)) or a_2d = a.reshape((-1,1))

形状向量中的-1表示“填充任何使这项工作有效的数字”
而不是在开头添加一个轴并进行换位，我通常更喜欢在结尾添加新的轴：
a[：，None]
将在一步中给出所需的结果。要概括更高的维度，使用@SvenMarnach的思想，您可以执行
a[…，None]
。行
np.newaxis是None
的目的是什么？@stackoverflowuser2010：确认
None
是
np.newaxis
在这种情况下的另一个名称（我更喜欢
None
，但其他人可能认为
np.newaxis
在这种情况下更好）.
matrix
的行为与
array
不完全一样。它会造成混乱。最好切断电源线，从
array
@J.F.Sebastian开始。事实上，它的行为不同正是我提到它的原因，因为这种行为更接近Matlab用户的习惯。我很少使用
matrix
类，但有时我觉得它很方便。最近我不得不使用一个函数（来自
sklearn
）在其输入上调用.shape来决定功能和样本的数量。因此，对于我的数据，它明确要求输入数组为shape（5,1），而不是（1,5），以便执行我想要的操作。在这种情况下，
矩阵
将起作用，
数组
将不起作用-除非有办法处理数组？类似：
>>> a[:,None]
array([[1],
       [2],
       [3]])

a = np.array([1,2,3]),  a_2d = a.reshape((1,-1)) or a_2d = a.reshape((-1,1))