数组(10，1)数组(10，)之间的python差异

Question

我正在尝试将MNIST数据集加载到数组中。当我使用(X_train，y_train)，(X_test，y_test)= mnist.load_data()时，我得到一个数组y_test(10000，)，但我希望它的形状为(10000,1)。数组(10000，1 )和数组(10000，1)的区别是什么？如何将第一个数组转换为第二个数组？

Answer 1

您的第一个具有形状(10000,)的数组是一个一维np.ndarray。由于shape数组的元组属性是一个元组，而长度为1的元组需要一个尾随逗号，因此形状是(10000,)而不是(10000) (应该是一个整数)。因此，目前您的数据如下所示：

import numpy as np
a = np.arange(5) #  >>> array([0, 1, 2, 3, 4]
print(a.shape) #    >>> (5,)

您需要的是一个形状为(10000, 1)的二维数组。添加一个长度为1的维度不需要任何额外的数据，它基本上是一个“空”维度。要向现有数组添加维度，可以使用np.expand_dims()或np.reshape()。

使用np.expand_dims

import numpy as np
b = np.array(np.arange(5))  # >>> array([0, 1, 2, 3, 4])
b = np.expand_dims(b, axis=1)  # >>> array([[0],[1],[2],[3],[4]])

该函数是专门为数组添加空维而创建的。axis关键字指定新添加的维度将占据的位置。

使用np.reshape

import numpy as np
a = np.arange(5) 
X_test_reshaped = np.reshape(a, shape=[-1, 1]) # >>> array([[0],[1],[2],[3],[4]])

shape=[-1, 1]指定整形操作后新形状的外观。-1本身将被numpy在内部“拟合数据”的形状所取代。Reshape是一个比expand_dims更强大的功能，可以通过许多不同的方式使用。你可以在numpy文档中阅读更多关于它的其他用法。numpy.reshape()