Python Numpy向量（N，1）维->；（N，）维转换

关于（N，）维数组和（N，1）维数组之间的转换，我有一个问题。例如，y是（2，）维

A=np.array([[1,2],[3,4]])

x=np.array([1,2])

y=np.dot(A,x)

y.shape
Out[6]: (2,)

但下面将显示y2是（2,1）维

x2=x[:,np.newaxis]

y2=np.dot(A,x2)

y2.shape
Out[14]: (2, 1)

在不复制的情况下，将y2转换回y的最有效方法是什么

谢谢，

---

Tom

沿所需的尺寸切片，如下例所示。若要反向操作，可以使用

None

作为任何标注的切片，这些标注应被视为单一标注，但这是使形状正常工作所必需的

In [786]: yy = np.asarray([[11],[7]])

In [787]: yy
Out[787]:
array([[11],
       [7]])

In [788]: yy.shape
Out[788]: (2, 1)

In [789]: yy[:,0]
Out[789]: array([11, 7])

In [790]: yy[:,0].shape
Out[790]: (2,)

In [791]: y1 = yy[:,0]

In [792]: y1.shape
Out[792]: (2,)

In [793]: y1[:,None]
Out[793]:
array([[11],
       [7]])

In [794]: y1[:,None].shape
Out[794]: (2, 1)

或者，您可以使用

重塑

：

In [795]: yy.reshape((2,))
Out[795]: array([11,  7])

为这个工作

a  = np.arange(3)        # a.shape  = (3,)
b  = a.reshape((3,1))    # b.shape  = (3,1)
b2 = a.reshape((-1,1))   # b2.shape = (3,1)
c  = b.reshape((3,))     # c.shape  = (3,)
c2 = b.reshape((-1,))    # c2.shape = (3,)

还请注意，

重塑

不会复制数据，除非它需要为新形状复制数据（这里不需要这样做）：

---

相反的翻译可通过以下方式进行：

np.atleast_2d(y).T

使用：

---

当数据的维度未知或在获取适当维度时遇到太多困难时，这种方法更合适。

np.atleast_2d(y).T

>>> x = np.array([[[0], [1], [2]]])
>>> x.shape
(1, 3, 1)
>>> np.squeeze(x).shape
(3,)
>>> np.squeeze(x, axis=(2,)).shape
(1, 3)