Qu'arrive-t-il à un tableau NumPy 1D lorsque vous le transposez ?

Transposition d'un tableau NumPy 1D

Lorsque vous travaillez avec des tableaux NumPy, il est important de comprendre les effets de la transposition. En règle générale, la transposition d'un tableau échange ses lignes et ses colonnes, ce qui donne lieu à un nouveau tableau avec des dimensions permutées. Cependant, dans le cas d'un tableau 1D, l'opération de transposition a un impact différent.

Considérez l'extrait Python suivant :

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

Au lieu de transposer le tableau, il reste inchangé. En effet, la transposition d'un tableau 1D est intrinsèquement un tableau 1D. Contrairement à MATLAB, où les tableaux "1D" sont effectivement 2D, NumPy traite les tableaux 1D distinctement.

Si vous avez besoin d'une représentation 2D transposée de votre vecteur 1D, vous pouvez l'obtenir en découpant le vecteur à l'aide de np.newaxis :

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

Maintenant, l'opération a.T produira une 2D transposée array.

Il convient de noter que l'ajout d'une dimension supplémentaire à un vecteur 1D n'est pas toujours nécessaire. Dans la plupart des cas, NumPy diffuse automatiquement des tableaux 1D pour les calculs appropriés, éliminant ainsi le besoin de distinguer explicitement les vecteurs de ligne et de colonne.

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!