私はPython scipyモジュールで転置方法の非常に基本的な例を試していますが、予期しない結果が得られていません。私はピラブモードでIpythonを使用しています。Numpy transposeが期待した結果を出さない
a = array([1,2,3]
print a.shape
>> (3,)
b = a.transpose()
print b.shape
>> (3,)
「a」と「b」の配列の内容を印刷すると、それらは似ています。
期待がある：（MatlabのOM転置をもたらすされる）
[1,
2,
3]
NumPyのtranspose()は、効果的に配列の形状を反転させます。配列が1次元の場合、これは効果がないことを意味します。 numpyので
、アレイ
array([1, 2, 3])
と
array([1,
2,
3])
は実際には同じである - それらは空白のみが異なります。おそらく、対応する2次元配列はtranspose()でうまくいくでしょう。
In [1]: numpy.matrix([1, 2, 3])
Out[1]: matrix([[1, 2, 3]])
In [2]: numpy.matrix([1, 2, 3]).T
Out[2]:
matrix([[1],
[2],
[3]])
注ほとんどのアプリケーションでは、プレーンな1次元配列は、行または列ベクトルの両方として正常に動作しますが、MATLABから来たとき、あなたはnumpy.matrixを使用して好むかもしれないことを：またnumpyののmatrixタイプを使用することを検討してください。
'」doesnのmatrix'は'array'とまったく同じように動作します。それは混乱を招く。コードを切断して 'array'で始める方がよいかもしれません。 – jfs
@ J.F.Sebastian：この動作がMatlabのユーザーに慣れているので、動作が異なっているという事実は私が言及した理由です。私はめったに 'matrix'クラスを使用しませんが、時には便利です。 –
最近、フィーチャーとサンプルの数を決めるために、入力上で.shapeを呼び出す関数（ 'sklearn'から）を使用しなければなりませんでした。私のデータでは、私が望むことをするためには、（1,5）ではなく、shape（5,1）の入力配列が明示的に必要でした。この場合、配列を使ってこれを処理する方法がない限り、 'matrix'が動作し、' array'はできません。 – user2428107
あなたが試してみてください：a = array([[1,2,3]])又はa = array([[1],[2],[3]])、すなわち、aがマトリックス（行ベクトル、列ベクトル）であるべきです。
転置は、1次元配列のためのnoopです。
新しい軸を追加して、移調：
>>> a[None].T
array([[1],
[2],
[3]])
>>> np.newaxis is None
True
または再構築：
>>> a.reshape(a.shape+(1,))
array([[1],
[2],
[3]])
それとも@Sven Marnachが最後に新しい軸を追加し、コメントで示唆したように：
>>> a[:,None]
array([[1],
[2],
[3]])
最初に軸を追加してトランスポーズするのではなく、通常、新しい軸を最後に追加することをお勧めします。 'a [：、None] 'は、一歩で目的の結果を得られます。 –
@SvenMarnach：答えを – jfs
に更新しました。高次元のために一般化するために、@SvenMarnachのアイデアを使って 'a [...、None]'を実行できます。 http://docs.scipy.org/doc/numpy-1.10.1/user/basics.indexing.html#structural-indexing-tools – astrojuanlu
1Dアレイを2Dアレイに再構成するためのより簡潔な方法は、
です。a = np.array([1,2,3]), a_2d = a.reshape((1,-1)) or a_2d = a.reshape((-1,1))
-1形状ベクトルに意味
同様に "どんな番号を記入し、この作品が作る"：http://stackoverflow.com/questions/5954603/python-numpy-transpose – nobar