Answer 1

如果你想要一些更具可读性的东西，你可以这样做：

A = np.squeeze(np.asarray(M))

同样地，你也可以这样做：A = np.asarray(M).reshape(-1)，但这不太容易阅读。

Answer 2

result = M.A1

https://docs.scipy.org/doc/numpy-1.14.0/reference/generated/numpy.matrix.A1.html

matrix.A1
1-d base array

Answer 3

A, = np.array(M.T)

取决于你所说的优雅你的意思，但这就是我要做的事情

Answer 4

您可以尝试以下变体：

result=np.array(M).flatten()

Answer 5

或者你可以尝试用

来避免一些临时措施

A = M.view(np.ndarray)
A.shape = -1

Answer 6

np.array(M).ravel()

如果你关心速度;但如果你关心记忆：

np.asarray(M).ravel()

Answer 7

首先，Mv = numpy.asarray(M.T)，它为您提供4x1但2D数组​​。

然后，执行A = Mv[0,:]，它会为您提供所需内容。您可以将它们组合在一起，如numpy.asarray(M.T)[0,:]。

Answer 8

这会将矩阵转换为数组

A = np.ravel(M).T

Answer 9

numpy的

ravel()和flatten()函数是我将在此处尝试的两种技术。我想补充一下Joe，Siraj，bubble和Kevad的帖子。

规则：

A = M.ravel()
print A, A.shape
>>> [1 2 3 4] (4,)

扁平化：

M = np.array([[1], [2], [3], [4]])
A = M.flatten()
print A, A.shape
>>> [1 2 3 4] (4,)

numpy.ravel()更快，因为它是库级别的函数，不会复制任何数组。但是，如果使用numpy.ravel() ，则数组A中的任何更改都会将其自身转移到原始数组M中。

numpy.flatten()比numpy.ravel() 慢。但是，如果您使用numpy.flatten()创建A，则 A中的更改将不会保留到原始数组M 。

numpy.squeeze()和M.reshape(-1)比numpy.flatten()和numpy.ravel()慢。

%timeit M.ravel()
>>> 1000000 loops, best of 3: 309 ns per loop

%timeit M.flatten()
>>> 1000000 loops, best of 3: 650 ns per loop

%timeit M.reshape(-1)
>>> 1000000 loops, best of 3: 755 ns per loop

%timeit np.squeeze(M)
>>> 1000000 loops, best of 3: 886 ns per loop

Answer 10

来晚了，希望对大家有所帮助，

np.array(M.flat)