在numpy中使用1d向量和2d向量的性能/标准差比较

Question

有没有在NumPy中将向量表示为1d或2d ndarrays的标准做法？我从MATLAB转过来，MATLAB将向量表示为2d数组。

- bluecat

Answer 1

根据我的经验，对于向量来说，numpy中1D是常见的。将包含n个元素的向量保留为形状为(1,n)或(n,1)的2D数组的唯一好处是在线性代数上下文中，您想要区分行向量和列向量。正如EitanT在他现已删除的答案中所暗示的那样，您可能希望使用numpy的"matrix"类型，它保留了返回的2D形状，除了单个元素访问，例如如果"a"的形状为(m,n)，则对于类型为"ndarray"的"a[0]"具有形状"(n,)"，但对于类型为"matrix"的"a[0]"具有形状"(1,n)"，尽管"a[0,0]"在两种情况下都返回标量。

如果您坚持使用形状为(n,)的1D向量，则可以根据需要即时重塑为形状为2D的向量进行特定操作。

a.reshape(-1, 1) # shape (n, 1)
a[:, None] # shape (n, 1)
a.reshape(1, -1) # shape (1, n)
a[None, :] # shape (1, n)

Numpy将自动调整您的一维向量形状为(1, n)，当它与涉及到2D数组的操作进行广播时。请参考广播文档。

- Jaime

---

感谢您澄清了这些差异。我的主要关注点是可能出现糟糕的矩阵乘法而不报错。http://www.scipy.org/NumPy_for_Matlab_Users#head-e9a492daa18afcd86e84e07cd2824a9b1b651935 显示矩阵类型有一些缺点，这些缺点超过了重载“*”运算符的好处。 - bluecat

Answer 2

在Matlab中（出于历史原因，我会这样认为），基本类型是一个M×N数组（矩阵），因此标量是1×1数组，向量可以是N×1或1×N数组。（内存布局始终为Fortran风格）。

在NumPy中不存在这种“限制”：您有真正的标量，ndarray可以具有任意多个维度。（内存布局可以是C或Fortran连续的。）因此，没有首选（标准）做法。根据您的应用程序，选择最适合您需求的那个。

- Stefano M