NumPy dizisini aktarma

Python ve NumPy kullanıyorum ve "devrik" ile ilgili bazı sorunlar var:

import numpy as np
a = np.array([5,4])
print(a)
print(a.T)

Çağırma a.Tdiziyi aktarmıyor . Eğer aörneğin bir [[],[]]o doğru transposes ama devriğini ihtiyacım [...,...,...].

Tam olarak olması gerektiği gibi çalışıyor. A devrik 1D dizisi hala olduğunu 1D dizi! (Matlab kullanmaya alışkınsanız, temelde 1D dizisi kavramına sahip değildir. Matlab'ın "1D" dizileri 2D'dir.)

Eğer 2B dizi halinde 1D vektör açmak ve sonra sırasını değiştirmek isterseniz, sadece birlikte bunu dilim np.newaxis(ya Noneda aynıyız, newaxissadece daha fazla okunabilir).

import numpy as np
a = np.array([5,4])[np.newaxis]
print(a)
print(a.T)

Genel olarak konuşmak gerekirse, bunun için endişelenmenize gerek yok. Sadece alışkanlıktan yapıyorsanız ekstra boyut eklemek genellikle istediğiniz şey değildir. Numpy, çeşitli hesaplamalar yaparken otomatik olarak 1D dizisi yayınlayacaktır. Genellikle bir vektör istediğinizde, bir satır vektörü ve bir sütun vektörü (ikisi de vektör değildir . Her ikisi de 2B'dir!) Arasında ayrım yapmaya gerek yoktur .

Bir yerine iki braket çifti kullanın. Bu, bir parantez çifti kullanırsanız oluşturduğunuz 1D dizisinin aksine, aktarılabilen bir 2D dizi oluşturur.

import numpy as np    
a = np.array([[5, 4]])
a.T

Daha kapsamlı bir örnek:

>>> a = [3,6,9]
>>> b = np.array(a)
>>> b.T
array([3, 6, 9])         #Here it didn't transpose because 'a' is 1 dimensional
>>> b = np.array([a])
>>> b.T
array([[3],              #Here it did transpose because a is 2 dimensional
       [6],
       [9]])

shapeBurada neler olduğunu görmek için numpy yöntemini kullanın :

>>> b = np.array([10,20,30])
>>> b.shape
(3,)
>>> b = np.array([[10,20,30]])
>>> b.shape
(1, 3)

1D dizileri için :

a = np.array([1, 2, 3, 4])
a = a.reshape((-1, 1)) # <--- THIS IS IT

print a
array([[1],
       [2],
       [3],
       [4]])

Burada -1'in "gerektiği kadar satır" anlamına geldiğini anladıktan sonra, bunu bir diziyi "aktarmanın" en okunabilir yolu olarak görüyorum. Diziniz daha yüksek boyutlara sahipse kullanın a.T.

Mevcut bir vektörü fazladan bir köşeli parantez kümesine sararak bir matrise dönüştürebilirsiniz ...

from numpy import *
v=array([5,4]) ## create a numpy vector
array([v]).T ## transpose a vector into a matrix

numpy ayrıca bir matrixsınıfa sahiptir (bkz. dizi vs matris ) ...

matrix(v).T ## transpose a vector into a matrix

numpy 1D dizisi -> sütun / satır matrisi:

>>> a=np.array([1,2,4])
>>> a[:, None]    # col
array([[1],
       [2],
       [4]])
>>> a[None, :]    # row, or faster `a[None]`
array([[1, 2, 4]])

@ Joe-kington söylediği gibi, sen yerini alabilir Noneile np.newaxisokunabilmesi için.

1d dizisini 2d sütununa 'aktarmak' için şunları kullanabilirsiniz numpy.vstack:

>>> numpy.vstack(numpy.array([1,2,3]))
array([[1],
       [2],
       [3]])

Vanilya listeleri için de çalışır:

>>> numpy.vstack([1,2,3])
array([[1],
       [2],
       [3]])

Yalnızca bir 2D diziyi devredebilirsiniz. numpy.matrixBir 2D dizi oluşturmak için kullanabilirsiniz . Bu üç yıl gecikti, ancak sadece olası çözümlere ekliyorum:

import numpy as np
m = np.matrix([2, 3])
m.T

bunun yerine arr[:,None]sütun vektörü oluşturmak için kullanın

Devri

x = [[0 1],
     [2 3]]

dır-dir

xT = [[0 2],
      [1 3]]

iyi kod:

x = array([[0, 1],[2, 3]]);
np.transpose(x)        

bu daha fazla bilgi için bir bağlantı:

http://docs.scipy.org/doc/numpy/reference/generated/numpy.transpose.html

Başka bir çözüm.... :-)

import numpy as np

a = [1,2,4]

[1, 2, 4]

b = np.array([a]).T

dizi ([[1], [2], [4]])

Ben sadece yukarıdaki yazıyı birleştiriyorum, umarım başkalarına biraz zaman kazandıracak:

Aşağıdaki dizinin (2, )boyutu vardır, 1 boyutlu bir dizidir,

b_new = np.array([2j, 3j])  

1-B diziyi aktarmanın iki yolu vardır:

"np.newaxis" ile dilimleyin veya hiçbiri.!

print(b_new[np.newaxis].T.shape)
print(b_new[None].T.shape)

başka türlü yazma, yukarıdaki Tişlem olmadan .!

print(b_new[:, np.newaxis].shape)
print(b_new[:, None].shape)

Sarmak [] veya np.matrix kullanmak, yeni bir boyut eklemek anlamına gelir.!

print(np.array([b_new]).T.shape)
print(np.matrix(b_new).T.shape)

Yukarıda bahsedilen yorumlardan bazılarında olduğu gibi, 1D dizilerinin devri 1D dizileridir, bu nedenle 1D dizisini transpoze etmenin bir yolu diziyi şöyle bir matrise dönüştürmek olacaktır:

np.transpose(a.reshape(len(a), 1))

İşlevin adı numpyolan column_stack .

>>>a=np.array([5,4])
>>>np.column_stack(a)
array([[5, 4]])

Bir yöntem yanıtları açıklanan ancak açıklanmayan yoktur belgeler için numpy.ndarray.transposeyöntemiyle:

Bir 1-D dizi için, bunun bir etkisi yoktur, çünkü transpoze edilen bir vektör sadece aynı vektördür. 1-B diziyi 2B sütun vektörüne dönüştürmek için ek bir boyut eklenmesi gerekir. np.atleast2d (a) .T, bunu [:, np.newaxis] gibi başarır.

Biri şunları yapabilir:

import numpy as np
a = np.array([5,4])
print(a)
print(np.atleast_2d(a).T)

Hangi (imo) kullanmaktan daha güzel newaxis.

Temel olarak transpoze fonksiyonunun yaptığı, dizinin şeklini ve adımlarını değiştirmektir:

>>> a = np.ones((1,2,3))

>>> a.shape
(1, 2, 3)

>>> a.T.shape
(3, 2, 1)

>>> a.strides
(48, 24, 8)

>>> a.T.strides
(8, 24, 48)

1D numpy dizisi (rank-1 dizisi) durumunda, şekil ve adımlar 1 öğeli tuples'tir ve değiştirilemez ve böyle bir 1D dizisinin devri değiştirilmez. Bunun yerine, bir "satır-vektörü" (numpy şekil dizisi (1, n)) bir "sütun-vektör" e (numpy şekil dizisi) aktarabilirsiniz (n, 1). Bunu başarmak için önce 1D numpy dizinizi satır-vektörüne dönüştürmeniz ve daha sonra şekli ve adımları takas etmeniz gerekir. Aşağıda bunu yapan bir işlev vardır:

from numpy.lib.stride_tricks import as_strided

def transpose(a):
    a = np.atleast_2d(a)
    return as_strided(a, shape=a.shape[::-1], strides=a.strides[::-1])

Misal:

>>> a = np.arange(3)
>>> a
array([0, 1, 2])

>>> transpose(a)
array([[0],
       [1],
       [2]])

>>> a = np.arange(1, 7).reshape(2,3)
>>> a     
array([[1, 2, 3],
       [4, 5, 6]])

>>> transpose(a)
array([[1, 4],
       [2, 5],
       [3, 6]])

Tabii bu şekilde yapmak zorunda değilsiniz çünkü 1D dizisine sahip olduğunuzdan ve (n, 1)diziyi doğrudan a.reshape((-1, 1))veya ile diziye yeniden şekillendirebileceğinizden a[:, None]. Sadece bir dizi transpozisyonunun nasıl çalıştığını göstermek istedim.

Bunu şimdiye kadar 1 boyutlu diziler için kompakt ve okunabilir bir şekilde uygulamayı öğrendiğim yol:

h = np.array([1,2,3,4,5])

v1 = np.vstack(h)
v2 = np.c_[h]

h1 = np.hstack(v1)
h2 = np.r_[v2[:,0]]

numpy.r_ ve numpy.c_, dilim nesnelerini sırasıyla birinci ve ikinci eksen boyunca birleştirmeye çevirir. Bu nedenle, v2 dikey dizisini yatay h2 dizisine geri aktarmada dilimleme v2 [:, 0]

numpy.vstack , (N,) şekil dizilerinin (1, N) yeniden şekillendirilmesinden sonraki ilk eksen boyunca birleştirmeye eşdeğerdir. Dizileri vsplit'e bölerek yeniden oluşturur .