NumPy 陣列形狀 (R, 1) 和 (R,) 之間有什麼不同？

NumPy 陣列形狀(R, 1) 和(R,) 之間的差異

在NumPy 中，陣列可以有細微不同的形狀，例如(R,1)和(R,)。這些形狀看起來相似，但它們的解釋和處理方式存在根本差異。

1.理解陣列結構

NumPy 陣列由資料緩衝區和視圖所組成。資料緩衝區儲存原始資料元素，而視圖描述如何解釋資料。形狀是視圖的一部分，指定數組有多少個維度和元素。

形狀(R, 1) 和(R,)

• (R, 1)：此形狀表示具有R 行和1 列 的陣列。它的行為類似於一維數組，但具有大小為 1 的附加維度。
• (R,)：此形狀表示具有 R 行 的陣列。它的行為就像一個真正的一維數組，沒有任何額外的維度。

2.不同形狀的原因

出於歷史原因，NumPy 選擇支持這兩種形狀，並在某些操作中提供靈活性。某些操作期望或產生具有特定形狀的數組，從而根據輸入形狀導致不同的行為。

3.矩陣乘法的意義

在您的範例中，numpy.dot(M[:,0], numpy.ones((1, R) ))，形狀可能會導致問題。 M[:,0] 的形狀為 (R,)，而 numpy.ones((1, R)) 的形狀為 (1, R)，這會導致未對齊錯誤。要解決此問題，您可以明確地將 M[:,0] 重塑為 (R, 1).

4。最佳實踐

雖然(R, 1) 和(R,) 之間沒有嚴格的偏好，但當數組邏輯上是一維但需要額外的維度時，通常建議使用(R , 1)某些操作的維度。請注意您使用的任何函數中的預期形狀，以避免錯誤。

替代方法

在您的範例中，您也可以考慮以下替代方法來避免重塑：

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

以上是NumPy 陣列形狀 (R, 1) 和 (R,) 之間有什麼不同？的詳細內容。更多資訊請關注PHP中文網其他相關文章！