Python/numpy问题，数组/向量的第二维度为空

我有一个似乎很简单的问题

遵守守则：

In : x=np.array([0, 6])
Out: array([0, 6])
In : x.shape
Out: (2L,)

这表明数组没有第二维度，因此

x

与

x.T

没有区别

---

如何使x具有尺寸（2L，1L）？这个问题的真正动机是我有一个数组

y

的形状

[3L，4L]

，我希望y.sum（1）是一个可以转置的向量，等等。

当你可以重塑数组，并用

[：，np.newaxis]

添加维度时，你应该熟悉最基本的嵌套括号，或者列表，表示法。注意它与显示的匹配程度

In [230]: np.array([[0],[6]])
Out[230]: 
array([[0],
       [6]])
In [231]: _.shape
Out[231]: (2, 1)

np.array

还接受一个

ndmin

参数，尽管它在开始处添加了额外的维度（numpy的默认位置）

制作2d形状的经典方法-重塑：

In [234]: y=np.arange(12).reshape(3,4)
In [235]: y
Out[235]: 
array([[ 0,  1,  2,  3],
       [ 4,  5,  6,  7],
       [ 8,  9, 10, 11]])

sum

（和相关函数）有一个

keepdims

参数。阅读文档

In [236]: y.sum(axis=1,keepdims=True)
Out[236]: 
array([[ 6],
       [22],
       [38]])
In [237]: _.shape
Out[237]: (3, 1)

空的第二维度

不太合适。更像是一个不存在的第二维度

维度可以有0个术语：

In [238]: np.ones((2,0))
Out[238]: array([], shape=(2, 0), dtype=float64)

如果您更熟悉MATLAB，它至少有2d，您可能会喜欢

np.matrix

子类。它采取步骤确保大多数操作返回另一个二维矩阵：

In [247]: ym=np.matrix(y)
In [248]: ym.sum(axis=1)
Out[248]: 
matrix([[ 6],
        [22],
        [38]])

矩阵

和

用于：

np.ndarray.sum(self, axis, dtype, out, keepdims=True)._collapse(axis)

---

\u collapse

位允许它为

ym.sum（）

返回一个标量。还有一点需要保留维度信息：

In [42]: X
Out[42]: 
array([[0, 0],
       [0, 1],
       [1, 0],
       [1, 1]])

In [43]: X[1].shape
Out[43]: (2,)

In [44]: X[1:2].shape
Out[44]: (1, 2)

In [45]: X[1]
Out[45]: array([0, 1])

In [46]: X[1:2]  # this way will keep dimension
Out[46]: array([[0, 1]])

---

NumPy数组有一个

reformate（）

方法，或者您也可以添加一个额外的维度。是否有方法将keepdims=True作为默认值？一次又一次的输入太多了。对我来说，对（2L，）数组进行转置应该会让numpy意识到你想要一个（1L，2L）数组这里是

np.matrix

类。我不知道keepdims，很好！

In [42]: X
Out[42]: 
array([[0, 0],
       [0, 1],
       [1, 0],
       [1, 1]])

In [43]: X[1].shape
Out[43]: (2,)

In [44]: X[1:2].shape
Out[44]: (1, 2)

In [45]: X[1]
Out[45]: array([0, 1])

In [46]: X[1:2]  # this way will keep dimension
Out[46]: array([[0, 1]])