NumPy の (R, 1) と (R,) の形状の違いは何ですか? 行列の乗算の問題はどのように解決できますか?

NumPy の (R, 1) と (R,) の形状の違いは何ですか?

NumPy では、 1 次元配列は、形状 (R, 1) (数値のリスト) として、または形状としての 2 つの方法で表現できます。 (R,) (リストのリスト)。これらの形状は両方とも同じ基礎データを表しますが、行列の乗算では異なる意味を持ちます。

2 つの行列を乗算する場合、それらの形状には互換性がなければなりません。一方の行列の形状が (R, 1) で、もう一方の行列の形状が (R,) である場合、形状が揃っていないため、NumPy はエラーを発生します。これは、(R, 1) が 2 次元の形状であるのに対し、(R,) は 1 次元の形状であるためです。

このエラーを修正するには、行列の 1 つを明示的に再形成できます。例:

import numpy as np

M = np.array([[1, 2, 3], [4, 5, 6]])
ones = np.ones((M.shape[0], 1))

result = np.dot(M[:,0].reshape((M.shape[0], 1)), ones)

この例では、reshape() メソッドを使用して、M の最初の列 (形状 (R,)) を形状 (R, 1) に再形成します。これにより、2 つの行列の形状に互換性があり、乗算を正常に実行できます。

明示的に再形成せずに上記の例を実行するより良い方法はありますか?

import numpy as np

M = np.array([[1, 2, 3], [4, 5, 6]])
ones = np.ones((M.shape[0], 1))

result = np.dot(M[:,0], ones) + M[:,1:]

はい、明示的に再形成せずに上記の例を実行するより良い方法があります。 1 つの方法は、sum() メソッドを axis 引数とともに使用することです。例:

この例では、sum() メソッドを使用して、M の最初の列と残りの列を合計します。これにより、M と同じ形状の行列が得られます。その後、エラーなしで乗算を実行できます。

import numpy as np

M = np.array([[1, 2, 3], [4, 5, 6]])
ones = np.ones((M.shape[0], 1))

result = np.dot( np.broadcast_to(M[:,0], M.shape), ones)

明示的に形状を変更せずに上記の例を実行する別の方法は、broadcast() 関数を使用することです。例:

この例では、broadcast() 関数を使用して、M の最初の列を M の形状にブロードキャストします。これにより、2 つの行列の形状に互換性があり、乗算が可能になります。正常に実行されます。

以上がNumPy の (R, 1) と (R,) の形状の違いは何ですか? 行列の乗算の問題はどのように解決できますか?の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。