如何将1D numpy数组分配给2D numpy数组？

Question

考虑以下简单示例:

X = numpy.zeros([10, 4])  # 2D array
x = numpy.arange(0,10)    # 1D array 

X[:,0] = x # WORKS

X[:,0:1] = x # returns ERROR: 
# ValueError: could not broadcast input array from shape (10) into shape (10,1)

X[:,0:1] = (x.reshape(-1, 1)) # WORKS

有人可以解释为什么numpy有形状(N,)而不是(N,1)的向量？从1D阵列到2D阵列的最佳铸造方法是什么？

我为什么需要这个？因为我有一个代码将结果插入x到2D数组中X,x的大小会不时变化,所以X[:, idx1:idx2] = x如果x是2D也可以使用,但如果x是1D则不行.

Answer 1

您真的需要能够使用相同的函数处理 1D 和 2D 输入吗？如果您知道输入将是一维，请使用

X[:, i] = x

如果您知道输入将是二维的，请使用

X[:, start:end] = x

如果您不知道输入尺寸，我建议使用 来在一行或另一行之间切换if，尽管可能有一些我不知道的索引技巧可以以相同的方式处理这两行。

你x有 shape(N,)而不是 shape (N, 1)( 或(1, N)) 因为 numpy 不是为矩阵数学而构建的。ndarray 是 n 维的；它们支持任何非负维数（包括 0）的高效、一致的向量化运算。虽然这有时可能会使矩阵运算变得不太简洁（特别是在dot矩阵乘法的情况下），但当数据自然是一维或 3、4 或 n 维时，它会生成更通用的代码。