有没有办法在 numpy 中创建列向量而不必创建列表列表？ [复制]答案

【问题标题】：Is there a way to create column vectors in numpy without having to create a list of lists? [duplicate]有没有办法在 numpy 中创建列向量而不必创建列表列表？ [复制]
【发布时间】：2018-10-13 21:43:10
【问题描述】：

假设我想将一个矩阵乘以一个向量：

[1 2 3]   [10]
[4 5 6] * [11]
[7 8 9]   [12]

在 Python 中使用 Numpy 我会这样做：

from numpy import *

A = matrix(
    [[1, 2, 3],
     [4, 5, 6],
     [7, 8, 9]])

B = matrix(
    [[10], [11], [12]])

print(A * B)

不过，如您所见，为了正确定义矩阵 B，我必须输入 [[10], [11], [12]]，这有点乏味。有没有什么东西只是构造一个向量，所以我可以输入vector([10, 11, 12]) 而不是matrix([[10], [11], [12]])？

【问题讨论】：

标签： python numpy linear-algebra

【解决方案1】：

您可以将 B 创建为 numpy 数组，然后使用方法dot

B=np.array([10,11,12])
print(A.dot(B)) #Use A.dot(B).T if you need to keep the original dimension

【讨论】：

【解决方案2】：

你可以只转置矩阵：

In [1]: import numpy as np

In [2]: A = np.matrix(
   ...:     [[1, 2, 3],
   ...:      [4, 5, 6],
   ...:      [7, 8, 9]])
   ...:

In [3]: B = np.matrix([10, 11, 12]).T

In [4]: print(A * B)
[[ 68]
 [167]
 [266]]

【讨论】：

对 OP 的说明：始终谨慎使用矩阵类。有时你认为它的行为不像数组。

【解决方案3】：

您还可以使用c_ 列组合对象：

>>> np.c_[[10,11,12]]
array([[10],
       [11],
       [12]])

或

>>> np.c_[10:13]
array([[10],
       [11],
       [12]])

或linspace语义

>>> np.c_[10:12:3j]
array([[10.],
       [11.],
       [12.]])

【讨论】：

【解决方案4】：

一个简单的选择是创建一个维度为 None 的新轴：

import numpy as np

A = np.array([
    [1, 2, 3],
    [4, 5, 6],
    [7, 8, 9],
    ])

B = np.array([ 10, 11, 12 ])

print(A * B[:,None])

【讨论】：

【解决方案5】：

与其他答案略有不同，但这是我的 2 美分 :)

Python 的 zip 在这里可能会有所帮助！

In [13]: blist = [10, 11, 12]

In [14]: B = matrix(zip(blist))

In [15]: print B
[[10]
 [11]
 [12]]

【讨论】：

【解决方案6】：

另一个选项是np.reshape:

B = np.array([10, 11, 12]).reshape(-1, 1)

>>> array([[10],
           [11],
           [12]])

【讨论】：