NumPy中1-D数组定义疑问：为何代码判定为2-D数组？

我太懂你这种困惑了——刚上手NumPy的时候，几乎所有人都会把视觉上像“一行”或“一列”的数组当成一维，但其实NumPy对维度的定义和我们直观的“行列”认知完全不一样！

核心要点在这里：NumPy的维度是基于数组的轴（axis）数量，而不是你打印出来的样子：

• 真正的1-D数组只有一个轴，它没有“行”或者“列”的概念，就是一条纯粹的数值序列，你可以把它想象成一串没有方向的珠子。
• 你说的“1行任意列”或者“1列任意行”的数组，其实都是2-D数组——它们有两个轴（axis 0对应行，axis 1对应列），只不过其中一个轴的长度是1而已。

给你举几个直观的代码例子就清楚了：

真正的1-D数组 #

import numpy as np
# 创建一维数组
arr_1d = np.array([1, 2, 3, 4])
# 查看形状：单元素元组，代表只有一个轴，长度为4
print(arr_1d.shape)  # 输出 (4,)
# 查看维度数
print(arr_1d.ndim)   # 输出 1

容易被混淆成1-D的2-D数组 #

# 1行4列的二维数组（注意外层多了一层括号）
arr_2d_row = np.array([[1, 2, 3, 4]])
print(arr_2d_row.shape)  # 输出 (1, 4)
print(arr_2d_row.ndim)   # 输出 2

# 4行1列的二维数组
arr_2d_col = np.array([[1], [2], [3], [4]])
print(arr_2d_col.shape)  # 输出 (4, 1)
print(arr_2d_col.ndim)   # 输出 2

小技巧：区分与转换 #

• 永远用ndim属性看维度数，shape属性看每个轴的长度，这比看打印结果靠谱多了。
• 如果需要把这种“单行/单列”的二维数组转成一维，可以用flatten()或者ravel()：

arr_1d_converted = arr_2d_row.flatten()
print(arr_1d_converted.shape)  # 输出 (4,)

简单总结：1-D数组只有一个轴，没有行列之分；只要有两个轴，哪怕其中一个轴长度为1，那也是二维数组。

内容的提问来源于stack exchange，提问作者Waseem.py