python - 为什么 Numpy 有时会忽略数组的维度

Question

我是 Python 的初学者。我曾经大量使用 matlab。现在我正在转向 python。我对数组的维度有疑问。

我导入 Numpy

我首先创建一个数组 X，然后使用一些嵌入式函数(例如求和)来处理我的数组。最终，当我尝试检查数组 X 的维数时，它变成了:X.shape，输出 (81,)。数字 81 是我所期望的，但我也希望 2nd 维度是 1，而不是只是省略。这让我很不舒服，即使我直接输入X，它输出正确，即一列和X中的数字都符合预期。

然后当我使用另一个数组 Y 时，它实际上具有 Y.shape，输出 (81,1)，然后如果我键入 X*Y，我希望它看到一个维度 (81,1) 的数组，但是，我看到了一个维度为 (81,81) 的数组。

我不知道产生这个结果的基础机制是什么。

我解决这个问题的方法很笨。我首先创建一个新数组 C = zeros((81,1))，因此 C 从字面上看具有维度 (81,1)，然后我通过键入 C[:,0]=X 将我的 X 分配给 C，然后输入 C.shape = (81,1)。请注意，如果我键入 C=X，则 C.shape=(81,)，这又回到了我的问题。所以我可以解决我的问题，但我确信有更好的方法来解决我的问题，而且我也不明白为什么 python 会产生类似 (81,) 的东西，而省略了第二个维度。

Answer 1

Numpy 不会忽略数组的维度。它是为多维数组(不仅仅是 1d 或 2d 数组)构建的库，因此它对不同维度的数组进行了非常明确的区分(它不能假设任何数组只是更高维度数组的退​​化形式，因为数字从概念上讲，维数是无限的)。

• 维度为 (81, 1) 的数组是 2d 数组，第二维度的值 等于 1 .

• 维度为 (81, ) 的数组只是一个 1d 数组。

---

当您编写 C[:,0] 时，您指的是一个列。因此

• 如果您编写 C[: 0] = X，您就是将一列分配给 C 的列之一(这恰好是唯一的一个)，因此不改变C的维度。

• 如果您编写 C = X，则表示 C 现在也是一个列，因此正在更改 C 的维度。