Question

通常，数组会被np.squeeze()挤压。在文档中，它说

从。
的形状中删除一维条目

但是我仍然想知道：为什么是零和非维度条目的形状？或者换句话说：为什么a.shape = (2,1) 和 (2,)都存在？

Answer 1

除了两者之间的数学差异外，还存在可预测性问题。如果遵循了您的建议，您就无法依赖阵列的维度。因此，my_array[x,y]形式的任何表达式都需要首先检查my_array是否实际上是二维的，并且在某些时候没有隐式squeeze。这可能会比偶然的squeeze更加模糊代码，而Explicit is better than implicit会做一个明确指定的事情。

实际上，甚至可能很难说，哪个轴已被删除，导致一系列新问题。

本着The Zen of Python的精神，也squeeze，我们也可以说我们应该更明确MySQL running - 5.5.24 DB size: 3 tables with 200 M each DB is running on AWS ec2 with 16GB RAM on server. 8GB been allocated to MySQL.来进行隐式数组转换。

Answer 2

重要性的一个例子是乘法数组。两个二维数组将一次乘以每个值

e.g。

{ >= | > | < | <= | != }

如果将1d数组乘以2d数组，则行为不同

>>> x = np.ones((2, 1))*2
>>> y = np.ones((2, 1))*3
>>> x.shape
(2,1)
>>> x*y
array([[ 6.],
       [ 6.]])

其次，您也可能想要挤压较早的尺寸，例如a.shape =（1,2,2）到a.shape =（2,2）

Answer 3

挤压（2,1）数组时，得到的（2，）既可以用作（2,1），也可以用作（1,2）：

>>> a = np.ones(2)
>>> a.shape
(2,)
>>> a.T.shape
(2,)
>>> X = np.ones((2,2))*2
>>> np.dot(a,X)
[4. 4.]
>>> np.dot(X,a)
[4. 4.]

使用（2,1）数组不会发生这种情况：

>>> b = np.ones((2,1))
>>> np.dot(b,X)
Traceback (most recent call last):
ValueError: shapes (2,1) and (2,2) not aligned: 1 (dim 1) != 2 (dim 0)

Answer 4

如果像使用这样的无用一维数组，这可以帮助您骑行 [7,8,9]代替了[[[7,8,9]] 或[[1,2,3]，[4,5,6]]代替[[[[1,2,3]，[4,5,6]]]] 例如，从教程上检查此链接 https://www.tutorialspoint.com/numpy/numpy_squeeze.htm

为什么我们需要np.squeeze（）？

4 个答案: