如何将 1D numpy 数组分配给 2D numpy 数组？答案

【问题标题】：How to assign a 1D numpy array to 2D numpy array?如何将 1D numpy 数组分配给 2D numpy 数组？
【发布时间】：2013-08-28 14:58:51
【问题描述】：

考虑以下简单示例：

X = numpy.zeros([10, 4])  # 2D array
x = numpy.arange(0,10)    # 1D array 

X[:,0] = x # WORKS

X[:,0:1] = x # returns ERROR: 
# ValueError: could not broadcast input array from shape (10) into shape (10,1)

X[:,0:1] = (x.reshape(-1, 1)) # WORKS

有人可以解释为什么 numpy 有形状为 (N,) 而不是 (N,1) 的向量吗？将一维数组转换为二维数组的最佳方法是什么？

我为什么需要这个？因为我有一个将结果x 插入到二维数组X 中的代码，并且x 的大小会不时变化，所以我有X[:, idx1:idx2] = x，如果x 也是二维的，但如果x 是一维则不行。

【问题讨论】：

标签： python arrays numpy multidimensional-array

【解决方案1】：

您真的需要能够使用相同的功能同时处理 1D 和 2D 输入吗？如果您知道输入将是一维的，请使用

X[:, i] = x

如果您知道输入将是 2D，请使用

X[:, start:end] = x

如果您不知道输入尺寸，我建议您使用if 在一行或另一行之间切换，尽管可能有一些我不知道的索引技巧可以同时处理两者。

您的 x 具有形状 (N,) 而不是形状 (N, 1)（或 (1, N)），因为 numpy 不仅仅是为矩阵数学构建的。 ndarrays 是 n 维的；它们支持任何非负维数（包括 0）的高效、一致的矢量化操作。虽然这有时可能会使矩阵运算不那么简洁（尤其是在 dot 用于矩阵乘法的情况下），但当您的数据自然是一维或 3-、4- 或 n- 时，它会生成更普遍适用的代码维度。

【讨论】：

【解决方案2】：

我认为您的问题中已经包含了答案。 Numpy 允许数组具有任何维度（而 afaik Matlab 在可能的情况下更喜欢二维），因此您需要对此保持正确（并始终区分 (n,) 和 (n,1)）。通过将一个数字作为索引之一（如第 3 行中的 0），您可以将维度减少一。通过将范围作为索引之一（如第 4 行中的 0:1），您不会降低维度。

第 3 行对我来说非常有意义，我会以这种方式分配给二维数组。

【讨论】：

【解决方案3】：

这里有两个技巧可以使代码更短。

X = numpy.zeros([10, 4])  # 2D array
x = numpy.arange(0,10)    # 1D array 
X.T[:1, :] = x
X[:, 2:3] = x[:, None]

【讨论】：

您能补充一些评论吗？我不清楚你是如何从原始代码到这里的，以及为什么这可以解决问题。