Транспонирование одномерного массива NumPy

Он работает именно так, как должен. Транспонирование массива 1D по-прежнему остается массивом 1D! (Если вы привыкли к Matlab, в нем принципиально нет концепции одномерного массива. «1D» массивы Matlab являются двухмерными.)

Если вы хотите превратить свой одномерный вектор в двухмерный массив, а затем транспонировать его, просто нарежьте его с помощью np.newaxis (или None, они такие же, newaxis просто более читабельны).

import numpy as np
a = np.array([5,4])[np.newaxis]
print(a)
print(a.T)

В общем, вам не стоит об этом беспокоиться. Добавление дополнительного измерения обычно не то, что вы хотите, если вы делаете это просто по привычке. Numpy будет автоматически транслировать 1D-массив при выполнении различных вычислений. Обычно нет необходимости различать вектор-строку и вектор-столбец (ни один из которых не является векторами. Они оба 2D!), Когда вам просто нужен вектор.

Используйте две пары скобок вместо одной. Это создает двумерный массив, который можно транспонировать, в отличие от одномерного массива, который вы создаете, если используете одну пару скобок.

import numpy as np    
a = np.array([[5, 4]])
a.T

Более подробный пример:

>>> a = [3,6,9]
>>> b = np.array(a)
>>> b.T
array([3, 6, 9])         #Here it didn't transpose because 'a' is 1 dimensional
>>> b = np.array([a])
>>> b.T
array([[3],              #Here it did transpose because a is 2 dimensional
       [6],
       [9]])

Используйте метод numpy shape, чтобы узнать, что здесь происходит:

>>> b = np.array([10,20,30])
>>> b.shape
(3,)
>>> b = np.array([[10,20,30]])
>>> b.shape
(1, 3)

Для одномерных массивов:

a = np.array([1, 2, 3, 4])
a = a.reshape((-1, 1)) # <--- THIS IS IT

print a
array([[1],
       [2],
       [3],
       [4]])

Как только вы поймете, что -1 здесь означает «столько строк, сколько необходимо», я считаю, что это наиболее читаемый способ «транспонирования» массива. Если ваш массив имеет более высокую размерность, просто используйте a.T.

Вы можете преобразовать существующий вектор в матрицу, заключив его в дополнительные квадратные скобки ...

from numpy import *
v=array([5,4]) ## create a numpy vector
array([v]).T ## transpose a vector into a matrix

numpy также имеет класс matrix (см. массив против матрицы) ...

matrix(v).T ## transpose a vector into a matrix

numpy 1D массив → матрица столбцов / строк:

>>> a=np.array([1,2,4])
>>> a[:, None]    # col
array([[1],
       [2],
       [4]])
>>> a[None, :]    # row, or faster `a[None]`
array([[1, 2, 4]])

И, как сказал @ joe-kington, вы можете заменить None на np.newaxis для удобства чтения.

Чтобы «транспонировать» 1d-массив в 2d-столбец, вы можете использовать numpy.vstack:

>>> numpy.vstack(numpy.array([1,2,3]))
array([[1],
       [2],
       [3]])

Это также работает для ванильных списков:

>>> numpy.vstack([1,2,3])
array([[1],
       [2],
       [3]])

Вы можете транспонировать только 2D-массив. Вы можете использовать numpy.matrix для создания 2D-массива. Это опоздание на три года, но я просто добавляю к возможному набору решений:

import numpy as np
m = np.matrix([2, 3])
m.T

вместо этого используйте arr[:,None] для создания вектора-столбца

Другое решение .... :-)

import numpy as np

a = [1,2,4]

[1, 2, 4]

b = np.array([a]).T

массив ([[1], [2], [4]])

По сути, функция транспонирования меняет местами форму и шаги массива:

>>> a = np.ones((1,2,3))

>>> a.shape
(1, 2, 3)

>>> a.T.shape
(3, 2, 1)

>>> a.strides
(48, 24, 8)

>>> a.T.strides
(8, 24, 48)

В случае массива 1D numpy (массив ранга 1) форма и шаги являются кортежами из 1 элемента и не могут быть заменены местами, а транспонирование такого массива 1D возвращает его без изменений. Вместо этого вы можете транспонировать «вектор-строку» (массив из множества фигур (1, n)) в «вектор-столбец» (массив из множества фигур в форме (n, 1)). Для этого вам нужно сначала преобразовать массив 1D numpy в вектор-строку, а затем поменять местами форму и шаги (транспонировать). Ниже приведена функция, которая это делает:

from numpy.lib.stride_tricks import as_strided

def transpose(a):
    a = np.atleast_2d(a)
    return as_strided(a, shape=a.shape[::-1], strides=a.strides[::-1])

Пример:

>>> a = np.arange(3)
>>> a
array([0, 1, 2])

>>> transpose(a)
array([[0],
       [1],
       [2]])

>>> a = np.arange(1, 7).reshape(2,3)
>>> a     
array([[1, 2, 3],
       [4, 5, 6]])

>>> transpose(a)
array([[1, 4],
       [2, 5],
       [3, 6]])

Конечно, вам не обязательно делать это таким образом, поскольку у вас есть одномерный массив, и вы можете напрямую преобразовать его в массив (n, 1) с помощью a.reshape((-1, 1)) или a[:, None]. Я просто хотел продемонстрировать, как работает транспонирование массива.

Я просто консолидирую вышеуказанный пост и надеюсь, что это поможет другим сэкономить время:

В приведенном ниже массиве есть (2, )dimension, это одномерный массив,

b_new = np.array([2j, 3j])  

Есть два способа транспонировать одномерный массив:

нарежьте его с помощью "np.newaxis" или без него!

print(b_new[np.newaxis].T.shape)
print(b_new[None].T.shape)

другой способ записи, указанное выше, без T операции.!

print(b_new[:, np.newaxis].shape)
print(b_new[:, None].shape)

Обертывание [] или использование np.matrix означает добавление нового измерения.!

print(np.array([b_new]).T.shape)
print(np.matrix(b_new).T.shape)

Транспонирование

x = [[0 1],
     [2 3]]

is

xT = [[0 2],
      [1 3]]

ну код:

import numpy as np
x = np.array([[0, 1],[2, 3]]);
np.transpose(x)   

Или простой способ:

x.T     

это ссылка для получения дополнительной информации:

http://docs.scipy.org/doc/numpy/reference/generated/numpy.transpose.html

Как упоминалось в некоторых комментариях выше, транспонированные одномерные массивы являются одномерными массивами, поэтому одним из способов транспонирования одномерного массива было бы преобразование массива в такую ​​матрицу:

np.transpose(a.reshape(len(a), 1))

Имя функции в numpy: column_stack < / а>.

>>>a=np.array([5,4])
>>>np.column_stack(a)
array([[5, 4]])

Существует метод, не описанный в ответах, но описанный в документация для numpy.ndarray.transpose метода:

Для одномерного массива это не имеет никакого эффекта, поскольку транспонированный вектор - это просто тот же вектор. Чтобы преобразовать одномерный массив в двухмерный вектор-столбец, необходимо добавить дополнительное измерение. np.atleast2d (a) .T достигает этого, как и [:, np.newaxis].

Можно:

import numpy as np
a = np.array([5,4])
print(a)
print(np.atleast_2d(a).T)

Что (имо) лучше, чем использовать newaxis.

То, как я научился реализовывать это компактным и читаемым способом для одномерных массивов, до сих пор:

h = np.array([1,2,3,4,5])

v1 = np.vstack(h)
v2 = np.c_[h]

h1 = np.hstack(v1)
h2 = np.r_[v2[:,0]]

numpy.r_ и < strong> numpy.c_ преобразует объекты среза в конкатенацию по первой и второй осям соответственно. Следовательно, нарезка v2 [:, 0] при транспонировании вертикального массива v2 обратно в горизонтальный массив h2

numpy.vstack эквивалентно объединению по первой оси после преобразования одномерных массивов формы (N,) в (1, N). Восстанавливает массивы, разделенные vsplit.