说我有一个数组a：
a = np.array([[1,2,3], [4,5,6]])
array([[1, 2, 3],
[4, 5, 6]])
我想将其转换为1D数组（即列向量）：
b = np.reshape(a, (1,np.product(a.shape)))
但是会返回
array([[1, 2, 3, 4, 5, 6]])
与以下内容不同：
array([1, 2, 3, 4, 5, 6])
我可以将此数组的第一个元素手动转换为1D数组：
b = np.reshape(a, (1,np.product(a.shape)))[0]
但是这需要我知道原始数组有多少维度（并且在使用更高维度时连接[0]）
是否存在从任意ndarray获取列/行向量的与维度无关的方法？
答案 0 :(得分：210)
使用np.ravel（对于1D视图）或np.flatten（对于1D副本）或np.flat（对于1D迭代器）：
In [12]: a = np.array([[1,2,3], [4,5,6]])
In [13]: b = a.ravel()
In [14]: b
Out[14]: array([1, 2, 3, 4, 5, 6])
请注意，ravel()会尽可能返回view a。因此，修改b也会修改a。当1D元素在内存中是连续的时，ravel()会返回view，但如果copy是通过使用非切片另一个数组而生成a，则返回a = x[::2]单位步长（例如In [15]: c = a.flatten()
）。
如果您想要副本而不是视图，请使用
np.flat如果您只想要一个迭代器，请使用In [20]: d = a.flat
In [21]: d
Out[21]: <numpy.flatiter object at 0x8ec2068>
In [22]: list(d)
Out[22]: [1, 2, 3, 4, 5, 6]
：
{{1}}
答案 1 :(得分：20)
In [14]: b = np.reshape(a, (np.product(a.shape),))
In [15]: b
Out[15]: array([1, 2, 3, 4, 5, 6])
或者，简单地说：
In [16]: a.flatten()
Out[16]: array([1, 2, 3, 4, 5, 6])
答案 2 :(得分：7)
我想查看答案中提到的功能的基准测试结果，其中包括unutbu's。
还要指出，numpy doc建议使用arr.reshape(-1)，以备不时之需。 （即使在以下结果中ravel的速度更快）
TL; DR ：
np.ravel是性能最高的（数量很少）。
功能：
np.ravel：如果可能，返回视图np.reshape(-1)：如果可能，返回视图np.flatten：返回副本np.flat：返回numpy.flatiter。类似于iterable numpy版本：“ 1.18.0”
ndarray的执行时间+-------------+----------+-----------+-----------+-------------+
| function | 10x10 | 100x100 | 1000x1000 | 10000x10000 |
+-------------+----------+-----------+-----------+-------------+
| ravel | 0.002073 | 0.002123 | 0.002153 | 0.002077 |
| reshape(-1) | 0.002612 | 0.002635 | 0.002674 | 0.002701 |
| flatten | 0.000810 | 0.007467 | 0.587538 | 107.321913 |
| flat | 0.000337 | 0.000255 | 0.000227 | 0.000216 |
+-------------+----------+-----------+-----------+-------------+
ravel和reshape(-1)的执行时间是一致的，并且与ndarray大小无关。 但是，ravel的速度更快，但是reshape在调整大小时提供了灵活性。 （也许这就是numpy doc建议改用它的原因。或者在某些情况下reshape返回视图而ravel没有返回视图。）
如果要处理大尺寸的ndarray，则使用flatten可能会导致性能问题。建议不要使用它。除非您需要数据副本才能执行其他操作。
import timeit
setup = '''
import numpy as np
nd = np.random.randint(10, size=(10, 10))
'''
timeit.timeit('nd = np.reshape(nd, -1)', setup=setup, number=1000)
timeit.timeit('nd = np.ravel(nd)', setup=setup, number=1000)
timeit.timeit('nd = nd.flatten()', setup=setup, number=1000)
timeit.timeit('nd.flat', setup=setup, number=1000)
答案 3 :(得分：2)
最简单的方法之一就是使用flatten()，例如以下示例：
import numpy as np
batch_y =train_output.iloc[sample, :]
batch_y = np.array(batch_y).flatten()
我的数组是这样的：
0
0 6
1 6
2 5
3 4
4 3
.
.
.
使用flatten()后：
array([6, 6, 5, ..., 5, 3, 6])
这也是此类错误的解决方案：
Cannot feed value of shape (100, 1) for Tensor 'input/Y:0', which has shape '(?,)'
答案 4 :(得分：0)
尽管这不是使用np数组格式，（为了懒惰地修改我的代码），这应该可以做您想要的...如果，您确实想要一个列向量，则需要对向量结果进行转置。这完全取决于您打算如何使用它。
def getVector(data_array,col):
vector = []
imax = len(data_array)
for i in range(imax):
vector.append(data_array[i][col])
return ( vector )
a = ([1,2,3], [4,5,6])
b = getVector(a,1)
print(b)
Out>[2,5]
因此，如果需要转置，可以执行以下操作：
def transposeArray(data_array):
# need to test if this is a 1D array
# can't do a len(data_array[0]) if it's 1D
two_d = True
if isinstance(data_array[0], list):
dimx = len(data_array[0])
else:
dimx = 1
two_d = False
dimy = len(data_array)
# init output transposed array
data_array_t = [[0 for row in range(dimx)] for col in range(dimy)]
# fill output transposed array
for i in range(dimx):
for j in range(dimy):
if two_d:
data_array_t[j][i] = data_array[i][j]
else:
data_array_t[j][i] = data_array[j]
return data_array_t
答案 5 :(得分：0)
// ND array list with different size
a = [[1],[2,3,4,5],[6,7,8]]
// stack them
b = np.hstack(x)
print(b)
[1 2 3 4 5 6 7 8]