Question

让我们考虑将a作为一维行/水平数组：

import numpy as np
N = 10
a = np.arange(N) # array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
a.shape # (10,)

现在我想让b的一维列/垂直数组转置为a：

b = a.transpose() # array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
b.shape # (10,)

但是.transpose()方法会返回一个完全相同形状的ndarray！

我希望看到的是

np.array([[0], [1], [2], [3], [4], [5], [6], [7], [8], [9]])

可以通过

实现

c = a.reshape(a.shape[0], 1) # or c = a; c.shape = (c.shape[0], 1)
c.shape # (10, 1)

令我惊讶的是，它的形状为(10, 1)而不是(1, 10)。

在Octave / Scilab中，我可以这样做：

N = 10
b = 0:(N-1)
a = b'
size(b) % ans = 1   10
size(a) % ans = 10   1

我了解numpy ndarray并不是矩阵（如here所述），但是numpy的转置函数的行为对我而言毫无意义！如果您能帮助我了解这种行为的合理性以及我在这里缺少的内容，我将不胜感激。

PS 因此，到目前为止，我了解的是b = a.transpose()相当于b = a; b.shape = b.shape[::-1]，如果您拥有(N, 1)的“二维数组”，返回一个(1, N)形状的数组，就像您期望的转置运算符一样。但是，numpy似乎将(N,)的“ 1D数组”视为0D标量。我认为他们应该将这个方法命名为其他方法，因为这很容易引起误解/混淆。

Answer 1

要更好地理解numpy数组，您应该看一下这篇评论文章：The NumPy array: a structure for efficient numerical computation

简而言之，numpy ndarray具有称为跨步的属性，即

在内存中跳过以继续进行下一个元素的字节数。例如，对于字节数组（10，10），步幅可以是（10， 1），换句话说：继续执行一个字节到达下一列，然后再十个字节来定位下一行。

对于您的ndarray a，a.stride = (8,)，这表明它仅是一维的，要到达该单维的下一个元素，您需要前进内存中有8个字节（每个int为64位）。

步幅对于表示转置很有用：

通过修改步幅，例如，可以转置数组或以零成本进行了整形（无需复制任何内存）。

因此，如果存在二维ndarray，例如说b = np.ones((3,5))，则b.strides = (40, 8)，而b.transpose().strides = (8, 40)。因此，如您所见，转置的2D-ndarray就是完全相同的数组，其步幅已重新排序。而且由于您的一维ndarray只有一维，因此交换其步幅的值（即进行其转置）不会做任何事情。

Answer 2

您已经提到numpy数组不是矩阵。转置功能的定义如下

排列数组的尺寸。

这意味着numpy的转置方法会将数据从一个维度移动到另一个维度。由于一维数组只有一个维度，因此没有其他维度可以移动数据t0。因此，您需要在转置生效之前添加尺寸。与高维数组（3D，4D ...）数组保持一致时，这种行为也是有意义的。

有一种干净的方法来实现您想要的东西

N = 10
a = np.arange(N)
a[ :, np.newaxis]

numpy的转置方法无法将一维行ndarray转换为第一列

2 个答案: