NumPy 数组形状 (R, 1) 和 (R,) 之间有什么区别？

NumPy 数组形状 (R, 1) 和 (R,) 之间的差异

在 NumPy 中，数组可以具有细微不同的形状，例如(R,1)和(R,)。这些形状可能看起来相似，但它们的解释和处理方式存在根本差异。

1.理解数组结构

NumPy 数组由数据缓冲区和视图组成。数据缓冲区存储原始数据元素，而视图描述如何解释数据。形状是视图的一部分，指定数组有多少个维度和元素。

形状 (R, 1) 和 (R,)

• (R, 1)：此形状表示具有 R 行和 1 列 的数组。它的行为类似于一维数组，但具有大小为 1 的附加维度。
• (R,)：此形状表示具有 R 行 的数组。它的行为就像一个真正的一维数组，没有任何额外的维度。

2.不同形状的原因

出于历史原因，NumPy 选择支持这两种形状，并在某些操作中提供灵活性。某些操作期望或生成具有特定形状的数组，从而根据输入形状导致不同的行为。

3.矩阵乘法的含义

在您的示例中，numpy.dot(M[:,0], numpy.ones((1, R)))，形状可能会导致问题。 M[:,0] 的形状为 (R,)，而 numpy.ones((1, R)) 的形状为 (1, R)，这会导致未对齐错误。要解决此问题，您可以显式地将 M[:,0] 重塑为 (R, 1).

4。最佳实践

虽然 (R, 1) 和 (R,) 之间没有严格的偏好，但当数组逻辑上是一维但需要额外的维度时，通常建议使用 (R, 1)某些操作的维度。请注意您使用的任何函数中的预期形状，以避免错误。

替代方法

在您的示例中，您还可以考虑以下替代方法来避免重塑：

• numpy.dot(M.T, numpy.ones((R, 1)))
• M.sum(axis=0).reshape((R, 1))

以上是NumPy 数组形状 (R, 1) 和 (R,) 之间有什么区别？的详细内容。更多信息请关注PHP中文网其他相关文章！