#问题来源:
在翻译和学习:scipy.interpolate.splrep 的时候遇到了一个英文名词:rank-1 array,百思不得其解 于是开始疯狂查找其含义,查阅大量资料后整理出关于本问题的总结。scipy.interpolate.splrep 的使用方法,如有兴趣可以查看链接:(正在更新中…)
#1. 什么是rank 1 array
有时会使用下面的代码来创建行向量或者列向量,但其实这样创建的既不是行向量也不是列向量,它的形状为 (n,) ,这样一个畸形的数组称之为rank 1 array(秩为1的数组)。
In [1]:
import numpy as np
a = np.random.randn(3)
print(a)
a.shape
[-0.1412539 0.60474391 1.17780835]
Out[2]: (3,)
#2. 产生rank 1 array的情况
##2.1.情况1
有时候在创建输入时不小心打错代码,也会创建出这样形状畸形的数组,所以创建数组的时候要注意检查“[ ]”符号的数量,如果只为一对的话,那就不小心创建了rank 1 array.
In [3]:
b = np.array([1,2,3])
print(b)
b.shape
[1 2 3]
Out[3]: (3,)
##2.2.情况2
面这些切取数组的做法也会产生rank 1 array:
In [18]:
import numpy as np
a = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
a.shape
Out[18]: (3, 3)
In [15]: a[2]
Out[15]: array([7, 8, 9])
In [20]: a[2].shape
Out[20]: (3,)
In [19]: a[2,:]
Out[19]: array([7, 8, 9])
In [21]: a[2,:].shape
Out[21]: (3,)
In [23]: a[1,:3]
Out[23]: array([4, 5, 6])
In [24]: a[1,:3].shape
Out[24]: (3,)
#3. 产生rank 1 array后的解决方法
##3.1.方法1
使用[:,None]或[None,:]来改变形状
In [2]:
import numpy as np
a = np.array([1,2,3])
a.shape
Out[2]: (3,)
In [5]:
a[None,:].shape
Out[5]: (1, 3)
In [6]:
a[:,None].shape
Out[6]: (3, 1)
##3.2.方法2
使用reshape方法改变形状
Python中的reshape()是个十分好用的方法,在不确定数据形状的情况下,reshape一下是个很有必要的操作。Andrew Ng的建议是不要羞于使用reshape(),这能帮助我们避免产生bug。
In [8]:
import numpy as np
a = np.array([1,2,3])
a
Out[8]: array([1, 2, 3])
In [11]:
a.reshape(3,1)
Out[11]: array([[1],
[2],
[3]])
#4. 避免出现rank 1 array 的做法
不要用a = np.random.randn(5)这种写法
使用上面的方法修改形状,不要羞于使用reshape()
必要的时候使用assert来确定形状是否与想要的结果一致
assert(a.shape == (1,3))