Question

import numpy as np

matrix1 = np.array([[1,2,3],[4,5,6]])
vector1 = matrix1[:,0] # This should have shape (2,1) but actually has (2,)
matrix2 = np.array([[2,3],[5,6]])
np.hstack((vector1, matrix2))

ValueError: all the input arrays must have same number of dimensions

问题是，当我选择matrix1的第一列并将其放在vector1中时，它会转换为行向量，所以当我尝试与matrix2连接时，我得到一个尺寸错误。我能做到这一点。

np.hstack((vector1.reshape(matrix2.shape[0],1), matrix2))

但是每次我必须连接矩阵和向量时，这对我来说太难看了。有更简单的方法吗？

Answer 1

更简单的方法是

vector1 = matrix1[:,0:1]

出于这个原因，让我推荐你another answer of mine：

当您编写类似a[4]的内容时，它正在访问数组的第五个元素，而不是为您提供原始数组的某些部分的视图。例如，如果a是一个数字数组，那么a[4]将只是一个数字。如果a是二维数组，即实际上是一个数组数组，则a[4]将是一维数组。基本上，访问数组元素的操作返回的维度比原始数组小1。

Answer 2

以下是其他三个选项：

您可以通过允许隐式设置向量的行维度来稍微整理您的解决方案：
```
np.hstack((vector1.reshape(-1, 1), matrix2))
```
您可以使用np.newaxis（或等效地，None）进行索引，以插入大小为1的新轴：
```
np.hstack((vector1[:, np.newaxis], matrix2))
np.hstack((vector1[:, None], matrix2))
```

您可以使用np.matrix，对于带有整数的列的索引始终返回列向量：

matrix1 = np.matrix([[1, 2, 3],[4, 5, 6]])
vector1 = matrix1[:, 0]
matrix2 = np.matrix([[2, 3], [5, 6]])
np.hstack((vector1, matrix2))

在NumPy中将行向量转换为列向量

2 个答案: