numpy: 将(n,)数组转换为(n, 1)数组的语法/习惯用法是什么？

Question

我想把一个形状为 (n,) 的 numpy ndarray 对象转换成形状为 (n, 1) 的对象。到目前为止，我想到的最好办法是自己写一个 _to_col 函数：

def _to_col(a):
    return a.reshape((a.size, 1))

但我很难相信这样一个常见的操作在 numpy 的语法中没有现成的实现。我觉得我只是没有找到合适的搜索关键词。

Answer 1

np.expand_dims 是我最喜欢的工具，当我想要添加任意维度时，它非常好用。

使用 None 或 np.newaxis 适合那些不需要灵活维度的代码。（这是 aix 的回答）

>>> np.expand_dims(np.arange(5), 0).shape
(1, 5)
>>> np.expand_dims(np.arange(5), 1).shape
(5, 1)

使用示例：通过任何给定的维度来去掉数组的均值。

>>> x = np.random.randn(4,5)
>>> x - x.mean(1)
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
ValueError: shape mismatch: objects cannot be broadcast to a single shape


>>> ax = 1
>>> x - np.expand_dims(x.mean(ax), ax)
array([[-0.04152658,  0.4229244 , -0.91990969,  0.91270622, -0.37419434],
       [ 0.60757566,  1.09020783, -0.87167478, -0.22299015, -0.60311856],
       [ 0.60015774, -0.12358954,  0.33523495, -1.1414706 ,  0.32966745],
       [-1.91919832,  0.28125008, -0.30916116,  1.85416974,  0.09293965]])
>>> ax = 0
>>> x - np.expand_dims(x.mean(ax), ax)
array([[ 0.15469413,  0.01319904, -0.47055919,  0.57007525, -0.22754506],
       [ 0.70385617,  0.58054228, -0.52226447, -0.66556131, -0.55640947],
       [ 1.05009459, -0.27959876,  1.03830159, -1.23038543,  0.73003287],
       [-1.90864489, -0.31414256, -0.04547794,  1.32587149,  0.05392166]])

Answer 2

我会使用以下代码：

a[:,np.newaxis]

还有一种替代的方法（可能稍微不那么清晰）来写同样的内容：

a[:,None]

以上所有方法（包括你自己的版本）都是常量时间操作。