Python 将（hstack）一个可编译数组附加到矩阵后返回错误

我正在尝试将数组添加到矩阵中。数组具有

.shape

（a，）

，矩阵具有

.shape

（a，b）

，具有

a

和

b

整数。我得到的错误是维度不匹配（

所有输入数组必须具有相同数量的维度

）。我应该如何处理这些一致的对象呢？

我认为问题在于你所说的数组是一维的，而矩阵是二维的

假设它们被称为

M

和

N

M.shape

给出

（a，）

（你称之为“数组”）和

N.shape

给出

（a，b）

（你称之为“矩阵”）。如果你做

M=M.restrape（a，1）

你会得到一个二维数组，它的行数与

N

和

np的行数相同。hstack（（M，N））

应该可以工作

附言：你提到的所有实体都是数组，也许你指的是向量或一维数组

编辑-例如：

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

>>> b = np.array([[1], [2], [3]])
>>> b.shape
(3,1)

>>> c = np.hstack((a.reshape(3, 1), b))
>>> c
array([[1, 1],
       [2, 2],
       [3, 3]])
>>> c.shape
(3,2)

---

我认为问题在于你所说的数组是一维的，而矩阵是二维的

假设它们被称为

M

和

N

M.shape

给出

（a，）

（你称之为“数组”）和

N.shape

给出

（a，b）

（你称之为“矩阵”）。如果你做

M=M.restrape（a，1）

你会得到一个二维数组，它的行数与

N

和

np的行数相同。hstack（（M，N））

应该可以工作

附言：你提到的所有实体都是数组，也许你指的是向量或一维数组

编辑-例如：

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

>>> b = np.array([[1], [2], [3]])
>>> b.shape
(3,1)

>>> c = np.hstack((a.reshape(3, 1), b))
>>> c
array([[1, 1],
       [2, 2],
       [3, 3]])
>>> c.shape
(3,2)

使用

None

或

np向第一个数组添加额外的轴。newaxis

：

>>> import numpy as np
>>> a=  np.array([1,2,3])
>>> a.shape
(3,)
>>> b = np.array([[1], [2], [3]])
>>> b.shape
(3, 1)
>>> np.hstack((a[:, None], b))
array([[1, 1],
       [2, 2],
       [3, 3]])

使用

None

或

np向第一个数组添加额外的轴。newaxis

：

>>> import numpy as np
>>> a=  np.array([1,2,3])
>>> a.shape
(3,)
>>> b = np.array([[1], [2], [3]])
>>> b.shape
(3, 1)
>>> np.hstack((a[:, None], b))
array([[1, 1],
       [2, 2],
       [3, 3]])

另一个选择是

np.transpose(np.asmatrix(a))

追加之前。

另一个选项是

np.transpose(np.asmatrix(a))

---

追加前。

第一部分为真，但

重塑

无效。有输出吗？你说它不工作是什么意思？函数失败，或者将重新整形的数组输入到

hstack

仍然会给您带来问题？问题仍然没有改变。我想知道为什么这个答案被否决。是因为效率吗？我使用这种方法是因为当我开始使用numpy时，所有关于axis的讨论都让我感到困惑。第一部分是正确的，但是

restrape

不起作用。有输出吗？你说它不工作是什么意思？函数失败，或者将重新整形的数组输入到

hstack

仍然会给您带来问题？问题仍然没有改变。我想知道为什么这个答案被否决。是因为效率吗？我使用这种方法是因为当我开始使用numpy时，所有关于axis的讨论都让我感到困惑。谢谢，这解决了问题。看到另一个选择，我刚刚发现自己作为替代答案。谢谢这解决了。看到另一个选择，我刚刚发现自己作为替代答案。