NumPy中如何将单行矩阵转为数组？及将(1,3)矩阵转为(3,)向量？

嘿，我来帮你搞定这两个NumPy的小问题，都是矩阵转数组/向量的常见小坑，咱们一个个说～

单行矩阵本质还是二维结构（比如形状是(1, n)），如果只是转成数组，直接用np.asarray()或者np.array()就能得到二维数组，但如果你想要一维数组（形状(n,)），可以用这些方法：

• 用squeeze()去掉长度为1的冗余维度：

  import numpy as np
  m = np.matrix([[1, 2, 3]])
  arr = np.squeeze(m)
  # arr的形状是(3,)
  

• 用矩阵的A1属性（矩阵对象专属，直接返回扁平化的一维数组）：

  arr = m.A1
  

• 用ravel()或flatten()扁平化：

  arr = np.ravel(m)  # 返回原数据的视图，修改可能影响原矩阵
  # 或者
  arr = m.flatten()  # 返回副本，修改不影响原矩阵
  

你提到v = m[0] + m[1]得到的是形状(1,3)的矩阵，用np.asarray(v)和np.array(v)后还是二维数组，这很正常——因为这两个方法只是把矩阵包装成数组，但不会自动降维。要得到一维向量，试试这些方法：

• 最直观的：用squeeze()

  v = np.matrix([[5, 7, 9]])
  vec = np.squeeze(v)
  print(vec.shape)  # 输出(3,)
  

• 矩阵专属的A1属性

  vec = v.A1
  print(vec.shape)  # 输出(3,)
  

• 用reshape(-1)强制降维

  vec = v.reshape(-1)
  # -1让NumPy自动计算维度，这里就会变成(3,)
  

• 用ravel()扁平化

  vec = np.ravel(v)
  

简单来说，核心就是把二维矩阵里那个多余的长度为1的维度去掉，就能得到你想要的一维向量啦～

内容的提问来源于stack exchange，提问作者Fabien