Python 我希望所有的numpy数组都是二维的

我来自Matlab，虽然一切都进行了很好的移植（必须为此感谢社区，Matlab许可证的成本远远超过1000美元）。有一件事我一辈子都找不到

在Matlab中，所有阵列都是二维的（直到最近，它们还提供了其他选项）。这样，当我定义标量、数组、矩阵时，它们都被认为是二维的。这在执行矩阵乘法时非常有用

在Python中，当使用numpy时。不幸的是，我发现自己不得不经常使用“重塑”命令

除非另有说明，我是否可以全局设置所有阵列都具有二维尺寸？

编辑： 根据numpy文档，numpy.matrix可能在未来被删除。本质上，我想做的是让任何numpy操作的所有输出都有函数np。至少对它们自动应用\u 2d。

可以使用而不是np.array来定义二维矩阵。例如：

np.matrix('1 2; 3 4')
np.matrix([[1, 2], [3, 4]])

要将数组转换为矩阵，请使用：

但正如hpaulj在评论中提到的，请注意：

不再建议使用此类，即使对于线性 代数。而是使用正则数组。将来可能会删除该类

因此，习惯使用numpy数组是一个好主意。请看一下本教程

要将标量或一维数组转换为二维数组，函数

---

如上所述，np.matrix类的语义非常类似于matlab数组

然而，如果你的目标是将numpy作为一种市场技能来学习，我强烈建议你完全接受ndarray的概念；虽然将numpy称为matlab的一个端口有一定的历史真实性，但这有点侮辱，因为ndarray是numpy相对于matlab最引人注目的客观概念性改进之一，而不是它的价格

---

TLDR；如果你声称了解numpy，你将很难不被我抛出你的应用程序，但你的代码样本闻起来像是移植的matlab。

我还不明白你想做什么。你能解释一下你将如何使用

numpy

吗？几年前，他们编写了一个

np.matrix

子类，该子类强制其成员始终为2d。它的

*

是矩阵乘法。现在，大多数

numpy

开发人员都不赞成它，因为它似乎造成了更多的混乱，而不是帮助。仍然有一些任性的MATLAB程序员觉得很舒服：）。还有一个

scipy

sparse

矩阵模块是二维的，倍频程仍然是自由的：）更像是MATLAB。如果我试图帮助解决MATLAB/numpy翻译问题（或.mat文件传输问题），我会使用它。@Al-BaraaEl Hag我的意思是，

Python

中的

list

对象可以使用类似

numpy.array（[[1,2]，[3,4]]）

转换成

numpy.ndarray

。因此，如果输入数组是2D矩阵，它将转换为2D

numpy.ndarray

。我认为设置默认维度很奇怪。避免for循环确实比在matlab中更重要，因为matlab for循环比python的速度快得多。一般来说，matlab不鼓励软件工程中的许多最佳实践。Python程序员对可读的变量名、docstring、范围的智能选择、关注点的分离、合理的模块结构非常坚决；在移植的matlab脚本中通常找不到这些。

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

np.atleast_2d(3.0)
array([[ 3.]])

np.atleast_2d([1, 2, 3])
array([[1, 2, 3]])