Numpy 中形状的 (4,) 和 (4,1) 有什么区别？

Question

我有两个ndarray

A

和

B

，一个具有形状

(4,)

，另一个具有

(4,1)

。

当我想使用 this 计算余弦距离时，它会抛出一些异常，抱怨两个对象

are not aligned

有人对此有什么想法吗？谢谢！

Answer 1

一个是一维数组，另一个是二维数组。

示例：

>>> import numpy as np
>>> a = np.arange(4).reshape(4,1)
>>> a
array([[0],
       [1],
       [2],
       [3]])
>>> a.ravel()
array([0, 1, 2, 3])
>>> a.squeeze()
array([0, 1, 2, 3])
>>> a[:,0]
array([0, 1, 2, 3])
>>>
>>> a[:,0].shape
(4,)

Answer 2

ndarray

等于

shape

的

(4,)

是一维 NumPy 数组。
示例，

>>> import numpy as np
>>> array_1 = np.random.randint(0,10,4)
>>> array_1
array([9, 3, 0, 4])
>>> array_1.shape    # shape of array_1
(4,)
>>> array_1.ndim    # number of dimensions in array_1
1

ndarray

的

shape

等于

(4,1)

是具有 4 行 1 列的 2 维 NumPy 数组。它也称为列向量。
例如，

>>> array_2 = np.random.randint(0, 10, (4,1))
>>> array_2
array([[7],
       [0],
       [5],
       [8]])
>>> array_2.shape    # shape of array_2
(4, 1)
>>> array_2.ndim    # number of dimensions in array_2
2

ndarray

的

shape

等于

(1,4)

是具有 1 行和 4 列的二维 NumPy 数组。它也称为行向量。
例如，

>>> array_3 = np.random.randint(0, 10, (1,4))
>>> array_3
array([[0, 5, 2, 6]])
>>> array_3.shape    # shape of array_3
(1, 4)
>>> array3.ndim    # number of dimensions in array_3
2

作为一般规则，数组开头的

[

（左方括号）的数量或数组末尾的

]

（右方括号）的数量表示数组的维数。
例如，

[1, 2, 3]

是一维数组，

[[1,2,3], [4,5,6]]

是二维数组，依此类推。