转置一维 NumPy 数组

Question

我使用 Python 和 NumPy，并且在“转置”方面遇到一些问题：

import numpy as np
a = np.array([5,4])
print(a)
print(a.T)

调用 aT 不会转置数组。例如，如果 a 是 [[],[]] 那么它会正确转置，但我需要 [...,..., 的转置。 ..]。

Answer 1

而是使用 arr[:,None] 创建列向量

Answer 2

您只能转置二维数组。您可以使用 numpy.matrix 创建二维数组。这已经晚了三年，但我只是添加了可能的解决方案：

import numpy as np
m = np.matrix([2, 3])
m.T

Answer 3

有一种方法没有在答案中描述，但在 numpy.ndarray.transpose 方法的文档：

对于一维数组，这没有效果，因为转置向量只是相同的向量。要将一维数组转换为二维列向量，必须添加额外的维度。 np.atleast2d(a).T 实现了这一点，a[:, np.newaxis] 也是如此。

人们可以做：

import numpy as np
a = np.array([5,4])
print(a)
print(np.atleast_2d(a).T)

哪个（我认为）比使用 newaxis 更好。

Answer 4

基本上，转置函数的作用是交换数组的形状和步长：

>>> a = np.ones((1,2,3))

>>> a.shape
(1, 2, 3)

>>> a.T.shape
(3, 2, 1)

>>> a.strides
(48, 24, 8)

>>> a.T.strides
(8, 24, 48)

对于 1D numpy 数组（rank-1 数组），形状和步长是 1 元素元组，不能交换，并且这种 1D 的转置数组返回它不变。相反，您可以将“行向量”（形状为 (1, n) 的 numpy 数组）转置为“列向量”（形状为 (n, 1)< 的 numpy 数组） /代码>）。为了实现这一点，你必须首先将一维 numpy 数组转换为行向量，然后交换形状和步幅（转置它）。下面是一个执行此操作的函数：

from numpy.lib.stride_tricks import as_strided

def transpose(a):
    a = np.atleast_2d(a)
    return as_strided(a, shape=a.shape[::-1], strides=a.strides[::-1])

示例：

>>> a = np.arange(3)
>>> a
array([0, 1, 2])

>>> transpose(a)
array([[0],
       [1],
       [2]])

>>> a = np.arange(1, 7).reshape(2,3)
>>> a     
array([[1, 2, 3],
       [4, 5, 6]])

>>> transpose(a)
array([[1, 4],
       [2, 5],
       [3, 6]])

当然您不必这样做，因为您有一个一维数组，您可以通过 < 直接将其重塑为 (n, 1) 数组代码>a.reshape((-1, 1)) 或a[:, None]。我只是想演示转置数组的工作原理。

Answer 5

另一个解决方案......:-)

import numpy as np

a = [1,2,4]

[1,2,4]

b = np.array([a]).T

数组([[1],
[2],
[4]]）

Answer 6

numpy 中的函数名称为 column_stack。

>>>a=np.array([5,4])
>>>np.column_stack(a)
array([[5, 4]])

Answer 7

我只是在巩固上面的帖子，希望它能帮助其他人节省一些时间：

下面的数组有(2, )维度，它是一个一维数组，

b_new = np.array([2j, 3j])  

有有两种转置一维数组的方法：

---

使用“np.newaxis”对其进行切片或不进行切片。！

print(b_new[np.newaxis].T.shape)
print(b_new[None].T.shape)

其他书写方式，上面没有 T< /code> 操作。！

print(b_new[:, np.newaxis].shape)
print(b_new[:, None].shape)

包裹 [ ] 或使用 np.matrix，意味着添加新维度。！

print(np.array([b_new]).T.shape)
print(np.matrix(b_new).T.shape)

Answer 8

要像示例中那样转置一维数组（平面数组），可以使用 np.expand_dims() 函数：

>>> a = np.expand_dims(np.array([5, 4]), axis=1)
array([[5],
       [4]])

np.expand_dims() 将添加所选轴的尺寸。在本例中，我们使用 axis=1，它添加了列维度，从而有效地转置原始平面数组。

Answer 9

正如上面提到的一些评论，一维数组的转置是一维数组，因此转置一维数组的一种方法是将数组转换为矩阵，如下所示：

np.transpose(a.reshape(len(a), 1))

Answer 10

它完全按照预期工作。 1D 数组的转置仍然是 1D 数组！ （如果你习惯了 matlab，它根本上没有一维数组的概念。Matlab 的“一维”数组是二维的。）

如果你想将一维向量转换为二维数组，然后转置它，只需切片它与np.newaxis（或None，它们是相同的，newaxis只是更具可读性）。

import numpy as np
a = np.array([5,4])[np.newaxis]
print(a)
print(a.T)

但一般来说，您无需担心这一点。如果您只是出于习惯，添加额外的维度通常不是您想要的。 Numpy 在进行各种计算时会自动广播一维数组。当您只需要一个向量时，通常不需要区分行向量和列向量（它们都不是向量。它们都是二维的！）。

Answer 11

使用两对括号而不是一对。这将创建一个可以转置的 2D 数组，这与使用一对括号时创建的 1D 数组不同。

import numpy as np    
a = np.array([[5, 4]])
a.T

更彻底的示例：

>>> a = [3,6,9]
>>> b = np.array(a)
>>> b.T
array([3, 6, 9])         #Here it didn't transpose because 'a' is 1 dimensional
>>> b = np.array([a])
>>> b.T
array([[3],              #Here it did transpose because a is 2 dimensional
       [6],
       [9]])

使用 numpy 的 shape 方法来查看这里发生了什么：

>>> b = np.array([10,20,30])
>>> b.shape
(3,)
>>> b = np.array([[10,20,30]])
>>> b.shape
(1, 3)

Answer 12

对于一维数组：

a = np.array([1, 2, 3, 4])
a = a.reshape((-1, 1)) # <--- THIS IS IT

print a
array([[1],
       [2],
       [3],
       [4]])

一旦你理解了这里的 -1 意味着“需要多少行”，我发现这是“转置”数组的最易读的方式。如果您的数组具有更高的维数，只需使用aT。

Answer 13

您可以通过将现有向量括在一组额外的方括号中将其转换为矩阵...

from numpy import *
v=array([5,4]) ## create a numpy vector
array([v]).T ## transpose a vector into a matrix

numpy 还有一个 matrix 类（请参阅数组与矩阵）...

matrix(v).T ## transpose a vector into a matrix

Answer 14

numpy 一维数组 -->列/行矩阵：

>>> a=np.array([1,2,4])
>>> a[:, None]    # col
array([[1],
       [2],
       [4]])
>>> a[None, :]    # row, or faster `a[None]`
array([[1, 2, 4]])

正如 @joe-kington 所说，您可以将 None 替换为 np.newaxis 以提高可读性。

Answer 15

要将一维数组“转置”为二维列，可以使用 numpy.vstack：

>>> numpy.vstack(numpy.array([1,2,3]))
array([[1],
       [2],
       [3]])

它也适用于普通列表：

>>> numpy.vstack([1,2,3])
array([[1],
       [2],
       [3]])