为什么数组的形状不正确？答案

【问题标题】：Why isn't the shape of the array correct?为什么数组的形状不正确？
【发布时间】：2015-12-05 22:59:45
【问题描述】：

我遇到了一些数组操作问题。这是一个例子：

A = np.ones((5,2))
B = np.ones((5,2)) * 2
X = np.zeros((5,1))

C = A[:,0] + B[:,0]
D = C + X

我得到的形状是：

shape(A[:,0]) = (5,)
shape(B[:,0]) = (5,)
shape(X) = (5,1)
shape(C) = (5,)
shape(D) = (5,5)

当我从数组中提取一列时，输出来自形状 (5,)，而不是 (5,1)。有什么方法可以纠正这个问题，而不必一直重塑数组？

当我添加 D = C + X 时，结果是一个 (5,5) 数组，但应该是 (5,1)。

【问题讨论】：

【解决方案1】：

解决方案 1

D = X + C.reshape(shape(X))
shape(D)                        
#(5, 1)
print(D)
#[[ 3.]
# [ 3.]
# [ 3.]
# [ 3.]
# [ 3.]]

解决方案 2（更好） numpy-convert-row-vector-to-column-vector

C = A[:,0:1] + B[:,0:1]

为什么，

C 和X 有不同的形状，你将行与数字相加，得到一个形状为 (5,5) 的矩阵

print(C)
#[ 3.  3.  3.  3.  3.]

print(X)
#[[ 0.]
# [ 0.]
# [ 0.]
# [ 0.]
# [ 0.]]

【讨论】：

【解决方案2】：

当使用二维数组广播C 和(5,) 之类的数组时，numpy 根据需要在开头添加维度(1,5)。所以(1,5) + (5,1) => (5,5)。

要获得(5,1) 结果，您需要以某种方式将C 设为(5,1) 数组。

C[:,None] + X   # None or np.newaxis is an easy way
C.reshape(5,1) + X  # equivalent

或使用列表或切片索引A

C = A[:,[0]] + B[:,[0]]

A[:,0] 删除一个维度，生成一个(5,) 数组。

注意，MATLAB 将默认尺寸添加到末尾； numpy 因为它有一个默认的 C 订单，所以在开始时这样做。像这样添加维度只需要很少的更改，只需更改 shape。

像np.sum 这样的函数有一个keepdimensions 参数来避免这种降维。

【讨论】：