如何将（5，）numpy数组转换为（5,1）？

Question

如何将（5，）numpy数组转换为（5,1）？

以及如何从（5,1）向后转换为（5，）？

（5，）数组的用途是什么，为什么省略一维？我的意思是为什么我们不总是使用（5,1）形式？

这是否仅在1D和2D数组上发生，还是在3D数组上发生，例如（2,3，）数组可以存在吗？

更新：

我设法通过（5，）转换为（5,1）

a= np.reshape(a, (a.shape[0], 1)) 

但建议的变体看起来更简单：

a = a[:, None] or a = a[:, np.newaxis]

要将（5,1）转换为（5，），可以使用np.ravel

a= np.ravel(a)

Answer 1

具有形状的 numpy 数组(5,)是一维数组，而具有形状的 numpy 数组(5,1)是二维数组。差异是微妙的，但可以在很大程度上改变一些计算。必须特别小心，因为这些变化可能会被扁平化所有维度的操作推倒，例如np.mean或np.sum。

除了@m-massias 的回答，请考虑以下示例：

17:00:25 [2]: import numpy as np
17:00:31 [3]: a = np.array([1,2])
17:00:34 [4]: b = np.array([[1,2], [3,4]])
17:00:45 [6]: b * a
      Out[6]: 
array([[1, 4],
       [3, 8]])
17:00:50 [7]: b * a[:,None] # Different result!
      Out[7]: 
array([[1, 2],
       [6, 8]])

a有形状，(2,)并在第二维上广播。所以你得到的结果是每一行（第一维）乘以向量：

17:02:44 [10]: b * np.array([[1, 2], [1, 2]])
      Out[10]: 
array([[1, 4],
       [3, 8]])

另一方面，a[:,None]具有形状(2,1)，因此向量的方向已知为列。因此，您得到的结果来自以下操作（其中每列乘以a）：

17:03:39 [11]: b * np.array([[1, 1], [2, 2]])
      Out[11]: 
array([[1, 2],
       [6, 8]])

我希望这能说明这两个阵列的行为方式有何不同。