如何在Python中将形状为(680,)的数组转换为(680,1)形状以实现正确的数组除法？

这个问题我之前也碰到过，本质是NumPy的广播规则在起作用：当你用形状为(680,)的一维数组和(680,1)的二维数组做运算时，NumPy会自动把一维数组扩展成(680,680)来匹配二维数组的维度，所以结果就变成了(680,680)。要得到你想要的(680,1)结果，只需要把data转换成(680,1)的形状，让两个数组的维度对齐就行。

下面给你三种常用的一维数组转二维（添加一个长度为1的维度）的方法：

方法1：使用reshape方法 #

这是最直观的方式，reshape可以直接指定目标形状。如果不想硬写数字，用-1让NumPy自动计算该维度的长度（这里会自动算出是680），灵活性更高：

import numpy as np

data = np.random.rand(680)  # 模拟你的(680,)数组
data_reshaped = data.reshape(-1, 1)  # 转换为(680,1)

方法2：使用np.newaxis切片 #

通过切片语法在指定位置插入新维度，[:, np.newaxis]表示在原数组的第二个维度（索引从0开始）添加一个长度为1的维度：

data_reshaped = data[:, np.newaxis]

方法3：使用np.expand_dims函数 #

这个函数专门用来扩展数组维度，参数axis=1表示在索引为1的位置添加新维度：

data_reshaped = np.expand_dims(data, axis=1)

验证运算结果 #

不管用哪种方法转换后，再执行除法就能得到预期的形状了：

sigma2 = np.random.rand(680, 1)  # 模拟你的(680,1)数组
data_s = data_reshaped / sigma2
print(data_s.shape)  # 输出：(680, 1)

简单总结一下：只要让两个数组的维度都变成(680,1)，NumPy就会进行逐元素的广播运算，结果维度自然符合你的需求。

内容的提问来源于stack exchange，提问作者lorepad