numpy重塑矩阵

最新推荐文章于 2022-11-25 21:29:32 发布

CDnGJVLbC5

最新推荐文章于 2022-11-25 21:29:32 发布

阅读量340

点赞数

分类专栏： numpy

本文链接：https://blog.csdn.net/baidu_38492549/article/details/103225245

版权

numpy 专栏收录该内容

3 篇文章 0 订阅

订阅专栏

In [7]: np.linspace(1, 10, 10)
Out[7]: array([ 1.,  2.,  3.,  4.,  5.,  6.,  7.,  8.,  9., 10.])

In [8]: np.linspace(1, 10, 10).shape
Out[8]: (10,)

方案一：使用 np.newaxis

In [9]: np.linspace(1, 10, 10)[: , np.newaxis]
Out[9]:
array([[ 1.],
       [ 2.],
       [ 3.],
       [ 4.],
       [ 5.],
       [ 6.],
       [ 7.],
       [ 8.],
       [ 9.],
       [10.]])
       
In [10]: np.linspace(1, 10, 10)[: , np.newaxis].shape
Out[10]: (10, 1)

方案二：使用None

In [11]: np.linspace(1, 10, 10)[: , None]
Out[11]:
array([[ 1.],
       [ 2.],
       [ 3.],
       [ 4.],
       [ 5.],
       [ 6.],
       [ 7.],
       [ 8.],
       [ 9.],
       [10.]])

In [12]: np.linspace(1, 10, 10)[: , None].shape
Out[12]: (10, 1)

方案三：在reshape函数中使用参数-1
参考：5个优雅的Numpy函数助你走出数据处理困境

In [13]: np.linspace(1, 10,10).reshape(-1, 1)
Out[13]:
array([[ 1.],
       [ 2.],
       [ 3.],
       [ 4.],
       [ 5.],
       [ 6.],
       [ 7.],
       [ 8.],
       [ 9.],
       [10.]])

In [14]: np.linspace(1, 10,10).reshape(-1, 1).shape
Out[14]: (10, 1)