形状 (3,1) 和 (3,) 未对齐：1 (dim 1) != 3 (dim 0)答案

【问题标题】：shapes (3,1) and (3,) not aligned: 1 (dim 1) != 3 (dim 0)形状 (3,1) 和 (3,) 未对齐：1 (dim 1) != 3 (dim 0)
【发布时间】：2021-10-12 13:11:42
【问题描述】：

这里是定义的函数，因此它必须是一个标量，但是当调用该函数时出现此错误：形状 (3,1) 和 (3,) 未对齐：1 (dim 1) != 3 (暗淡 0)

def Angle_sun(panel):
  print(panel)
  sun = np.array([[0], [-1368], [0]])
  dott = np.dot(panel, sun)
  return math.acos(dott/(np.linalg.norm(panel)) * np.linalg.norm(sun))

其中面板 = [[0. ],[0.92], [0.39]]

面板是 (3,1)

【问题讨论】：

请看How to ask?。您需要将代码和数据添加为文本，因为我们无法从图像中复制内容。
您是否重新阅读了np.dot 文档？了解它如何处理维度，包括一个数组是 1d 的情况？你了解dot 的参数形式吗？
dott 应该是什么？ (3,3) 还是标量？ (3,1) 与 (1,3) 的矩阵乘积，或者 (3,) 与 (3,) 的向量点？

标签： python arrays numpy matrix

【解决方案1】：

请查看matrix dot product (Wikipedia)，对于a.b，所需矩阵的大小应分别为NxM 和MxN。如果您查看numpy.dot documentation，您就会知道传递给它的不同形状的矩阵会生成什么输出。

numpy.dot(a, b, out=None)
两个数组的点积。具体来说，如果 a 和 b 都是一维数组，则它是向量的内积（没有复杂的共轭）。

如果 a 和 b 都是二维数组，则为矩阵乘法，但使用 matmul 或 a @ b 是首选。

如果 a 或 b 是 0-D（标量），则相当于乘以和最好使用 numpy.multiply(a, b) 或 a * b。

如果 a 是 N 维数组，b 是 1 维数组，则它是一个和积 a 和 b 的最后一个轴。

如果 a 是 N-D 数组， b 是 M-D 数组（其中 M>=2），则它是和在 a 的最后一个轴和 b 的倒数第二个轴上的乘积

由于上面的sun矩阵的维度是3x1，而你正在执行panel.sun，panel矩阵的维度应该是1x3，然后是两个形状为1x3的矩阵的点积，而3x1 将是1x1。

因此，您拥有的面板列表应该是一维列表，即[0.0, 0.92, 0.39]，而不是[[0.0], [0.92], [0.39]]，这当然是一个二维列表。

【讨论】：