numpy 2D@1D matmul resu发行

Question

我正在尝试使用2x2矩阵P和坐标internal（存储为一行中的np.array）在numpy中旋转一些坐标。然而，我在计算P @ internal时会有奇怪的行为。下面的代码再现了这种行为：

>>> import numpy as np
>>> a = np.array([1, 0], dtype=np.float)
>>> c, s = np.cos(np.pi), np.sin(np.pi)
>>> p = np.matrix([[c, s], [-s, c]])
>>> b = p @ a
>>> b
matrix([[-1.0000000e+00, -1.2246468e-16]])
>>> b.shape
(1, 2)
>>> b[0].shape
(1, 2)
>>> b[0][0].shape
(1, 2)
>>> b[0][0][0].shape
(1, 2)

可以看到，我无法索引到矩阵中，我突然在一个1D数组中有了一个额外的维度。在the documentation for numpy中，它表示“如果第二个参数是1-D，则通过在其维数后加1将其提升为矩阵。在矩阵相乘之后，附加的1被移除。“然而，我没有看到这种行为，而只是看到奇怪的嵌套形状。你知道吗

为什么会这样？你知道吗

Answer 1

正如你指出的，b是一个^{}。这是^{}的一个弃用子类，它总是2D。用(N,)元素向量初始化矩阵会将1附加到形状，并将其变成(N, 1)列，如预期的那样。b[0]也是一个矩阵，但这次它是一行。行的第一行也是一行，因此无论访问第一行多少次，形状都将保持不变。你知道吗

也就是说，您可以使用行-列索引访问各个矩阵元素：

>>> b[0, 0]
-1.0

TL；DR

不要使用matrix：它已被弃用，并且存在问题/缺乏支持。改为p = np.array([[c, s], [-s, c]])，您将看到预期的行为。你知道吗