Python numpy：将（n，）数组转换为（n，1）数组的语法/习惯用法？

我想将形状为（n，）的numpy

ndarray

对象转换为具有形状（n，1）的对象。我想到的最好方法是使用我自己的_to_col函数：

def _to_col(a):
    return a.reshape((a.size, 1))

但我很难相信这样一个无处不在的操作还没有内置到numpy的语法中。我想我只是没能找到合适的谷歌搜索来找到它。

我会使用以下方法：

a[:,np.newaxis]

另一种（但可能不太清楚）写同样东西的方法是：

a[:,None]

---

以上所有操作（包括您的版本）都是固定时间操作。

np.expand_dims是我在添加任意轴时的最爱

None或np.newaxis适用于不需要灵活axis的代码。（aix的回答）

示例用法：按任意给定轴对数组进行降级

>>> x = np.random.randn(4,5)
>>> x - x.mean(1)
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
ValueError: shape mismatch: objects cannot be broadcast to a single shape


>>> ax = 1
>>> x - np.expand_dims(x.mean(ax), ax)
array([[-0.04152658,  0.4229244 , -0.91990969,  0.91270622, -0.37419434],
       [ 0.60757566,  1.09020783, -0.87167478, -0.22299015, -0.60311856],
       [ 0.60015774, -0.12358954,  0.33523495, -1.1414706 ,  0.32966745],
       [-1.91919832,  0.28125008, -0.30916116,  1.85416974,  0.09293965]])
>>> ax = 0
>>> x - np.expand_dims(x.mean(ax), ax)
array([[ 0.15469413,  0.01319904, -0.47055919,  0.57007525, -0.22754506],
       [ 0.70385617,  0.58054228, -0.52226447, -0.66556131, -0.55640947],
       [ 1.05009459, -0.27959876,  1.03830159, -1.23038543,  0.73003287],
       [-1.90864489, -0.31414256, -0.04547794,  1.32587149,  0.05392166]])

>x=np.random.randn（4,5）
>>>x-x.平均值（1）
回溯（最近一次呼叫最后一次）：
文件“”，第1行，在
ValueError:形状不匹配：无法将对象广播到单个形状
>>>ax=1
>>>x-np.展开尺寸（x.平均值（ax），ax）
数组（[-0.04152658,0.4229244，-0.91990969,0.91270622，-0.37419434]，
[ 0.60757566,  1.09020783, -0.87167478, -0.22299015, -0.60311856],
[ 0.60015774, -0.12358954,  0.33523495, -1.1414706 ,  0.32966745],
[-1.91919832,  0.28125008, -0.30916116,  1.85416974,  0.09293965]])
>>>ax=0
>>>x-np.展开尺寸（x.平均值（ax），ax）
数组（[[0.15469413,0.01319904，-0.47055919,0.57007525，-0.22754506]，
[ 0.70385617,  0.58054228, -0.52226447, -0.66556131, -0.55640947],
[ 1.05009459, -0.27959876,  1.03830159, -1.23038543,  0.73003287],
[-1.90864489, -0.31414256, -0.04547794,  1.32587149,  0.05392166]])

要将轴添加到2d或更高的nd数组的末尾，请使用省略号而不是冒号：

a[…，None]

，该省略号涵盖了所需的任意多个维度。然后

a.shape

将从例如

（n，m）

变为

（n，m，1）

。

>>> x = np.random.randn(4,5)
>>> x - x.mean(1)
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
ValueError: shape mismatch: objects cannot be broadcast to a single shape


>>> ax = 1
>>> x - np.expand_dims(x.mean(ax), ax)
array([[-0.04152658,  0.4229244 , -0.91990969,  0.91270622, -0.37419434],
       [ 0.60757566,  1.09020783, -0.87167478, -0.22299015, -0.60311856],
       [ 0.60015774, -0.12358954,  0.33523495, -1.1414706 ,  0.32966745],
       [-1.91919832,  0.28125008, -0.30916116,  1.85416974,  0.09293965]])
>>> ax = 0
>>> x - np.expand_dims(x.mean(ax), ax)
array([[ 0.15469413,  0.01319904, -0.47055919,  0.57007525, -0.22754506],
       [ 0.70385617,  0.58054228, -0.52226447, -0.66556131, -0.55640947],
       [ 1.05009459, -0.27959876,  1.03830159, -1.23038543,  0.73003287],
       [-1.90864489, -0.31414256, -0.04547794,  1.32587149,  0.05392166]])