python - 这些数组形状之间的差异numpy

2个形状为-的数组有什么区别？

(442,1)和(442，)吗？

打印这两个将产生相同的输出，但是当我检查是否相等 == 时，我得到了一个像这样的2D向量-

array([[ True, False, False, ..., False, False, False],
       [False,  True, False, ..., False, False, False],
       [False, False,  True, ..., False, False, False],
       ...,
       [False, False, False, ...,  True, False, False],
       [False, False, False, ..., False,  True, False],
       [False, False, False, ..., False, False,  True]], dtype=bool)

有人可以解释差异吗？

最佳答案

形状(442, 1)的数组是二维的。它具有442行和1列。

形状(442, )的数组是一维的，由442个元素组成。

请注意，他们的代表也应该看起来有所不同。括号的数量和位置有所不同:

In [7]: np.array([1,2,3]).shape
Out[7]: (3,)

In [8]: np.array([[1],[2],[3]]).shape
Out[8]: (3, 1)

请注意，您可以使用np.squeeze删除长度为1的轴:

In [13]: np.squeeze(np.array([[1],[2],[3]])).shape
Out[13]: (3,)

NumPy broadcasting rules允许在需要时在左侧自动添加新轴。因此(442,)可以广播到(1, 442)。长度为1的轴可以广播到任意长度。所以
当您测试(442, 1)形状的数组与(442, )形状的数组之间的相等性时，第二个数组将升级为(1, 442)形状，然后这两个数组将扩展其长度为1的轴，以便它们都成为(442, 442)形状的广播数组。这就是为什么当您测试相等性时，结果是一个形状为(442, 442)的 bool 数组。

In [15]: np.array([1,2,3]) == np.array([[1],[2],[3]])
Out[15]:
array([[ True, False, False],
       [False,  True, False],
       [False, False,  True]], dtype=bool)

In [16]: np.array([1,2,3]) == np.squeeze(np.array([[1],[2],[3]]))
Out[16]: array([ True,  True,  True], dtype=bool)