如何从 numpy 矩阵传递到 numpy 数组？答案

【问题标题】：how to pass from numpy matrix to numpy array?如何从 numpy 矩阵传递到 numpy 数组？
【发布时间】：2013-11-26 06:35:39
【问题描述】：

我是 Python 和 Numpy 的新手，所以我的问题的标题可能是错误的。

我从 matlab 文件中加载一些数据

data=scipy.io.loadmat("data.mat")
x=data['x']
y=data['y']
>>> x.shape
(2194, 12276)
>>> y.shape
(2194, 1)

y 是一个向量，我想要y.shape = (2194,)。

我不知道(2194,) 和(2194,1) 之间的区别，但如果您尝试加载y 使得y.shape=(2194,1) ，sklearn.linear_model.LassoCV 似乎会遇到错误。

那么如何更改我的y 向量以获得y.shape=(2194,)??

【问题讨论】：

标签： python arrays numpy scikit-learn

【解决方案1】：

先转换成数组，再挤压去掉多余的维度：

y = y.A.squeeze()

分步：

In [217]: y = np.matrix([1,2,3]).T

In [218]: y
Out[218]: 
matrix([[1],
        [2],
        [3]])

In [219]: y.shape
Out[219]: (3, 1)

In [220]: y = y.A

In [221]: y
Out[221]: 
array([[1],
       [2],
       [3]])

In [222]: y.shape
Out[222]: (3, 1)

In [223]: y.squeeze()
Out[223]: array([1, 2, 3])

In [224]: y = y.squeeze()

In [225]: y.shape
Out[225]: (3,)

【讨论】：

我喜欢y.A 语法（我相信它是y.__array__() 的别名）来获得比np.asarray 更好的底层数组。
好的，谢谢！但是你能稍微解释一下大小为 (2194,) 和 (2194,1) 的元素之间的区别吗？
数据相同，但shape不同；维数也是如此 (ndim)。进入 Python shell，导入 numpy，然后玩弄一个小数组。查看形状和 ndim，转置、挤压、转换为矩阵并返回。添加维度。在 matlab 中，数组至少有 2 个维度。 numpy 矩阵是在不能有更多维度的旧 matlab 数组上建模的。
@Donbeo，正如@hpaulj 所说，它们是相同的数据，只是视图不同。随着您对 numpy 越来越熟悉，view vs a copy 的概念将变得很重要。某些动作会给出一个视图，例如，reshape 和切片（a[:10] 是前十项的视图），np.asarray 尽可能不复制数据。其他人制作副本，例如，np.array 和 'fancy indexing' a[a>5] 都返回副本。