Python Numpy数组减法创建具有不同维数的矩阵。如何纠正这一点？

我正在尝试使用Python创建一个简单的神经网络（我知道有库，但我正在从头构建一个简单的库，以便更熟悉所采取的每一步），其中一部分是计算真实标签和预测标签之间的差异

我在dim中有真实标签，预测标签也在dim中

两者都在np数组中

我希望有一个简单的

l2_error=tag_train-l2

我会做的。（l2为预测标签，tag_train为真实标签）

但我得到的回报是矩阵。看起来这个操作是对所有可能的元素组合进行减法运算。为什么会发生这种情况？我知道我可能可以运行

for

循环来完成工作，因为我想知道为什么程序会产生这样的结果

---

顺便说一句，这两种数据类型都是float64。我认为这并不重要，但只是为了防止需要这些信息。

正如您在评论中所指出的，现在发生的情况是，

tag\u train

是一个长度为2059的一维数组，而

l2

应该是一个具有2059行和1列的二维数组

因此，当您尝试进行减法运算时，它将生成一个包含2059行和2059列的二维数组

如果您100%确定l2将仅为一列，则可以在执行减法之前重塑该数组，使其为一维。像-

l2.reshape((l2.shape[0],))

---

示例/演示-

In [1]: import numpy as np

In [2]: l1 = np.array([1,2,3,4])

In [3]: l2 = np.array([[5],[6],[7],[8]])

In [7]: l2.shape
Out[7]: (4, 1)

In [8]: l2-l1
Out[8]:
array([[4, 3, 2, 1],                 #Just to show that you get the behaviour when arrays are in 
       [5, 4, 3, 2],                 #different dimensions.
       [6, 5, 4, 3],
       [7, 6, 5, 4]])

In [19]: l2 = l2.reshape((l2.shape[0],))

In [25]: l2 = l2.reshape((l2.shape[0],))

In [26]: l2-l1
Out[26]: array([4, 4, 4, 4])

---

你一定是弄错尺寸了。我怀疑tag_train.shape==（2059,1），而不是（12059）。如果使用1d数组，就不会遇到这个问题。@Alan我对tag_train.shape进行了测试，结果返回（2059，）。是的，缺少第二个元素。我想这可能是我的减法运算出错的原因，但我不确定为什么。

（n，）

自动扩展到

（1，n）

，如果广播需要的话。您需要的是

x[：，None]

在末尾添加第二个维度以匹配其他数组。我明白了，所以维度确实成了问题。我一直认为程序会自动调整它，只要两个数组中的元素数量相同（因此（2059，）将与（2059,1）相同）。有一个问题：首先将tag_列重塑为2D阵列是否是一个好的做法？是的，您也可以这样做，这基本上取决于您的需要。如果以后还想将tag_train用作2d数组，那么这可能是一个不错的选择。