它的工作原理和预期的完全一样。一维数组的转置仍然是一维数组!(如果你习惯了matlab，它基本上没有一维数组的概念。Matlab的“1D”数组是2D的。)

如果你想把你的一维向量变成一个二维数组，然后转置它，只需用np对它进行切片。newaxis(或None，它们是一样的，只是newaxis更可读)。

import numpy as np
a = np.array([5,4])[np.newaxis]
print(a)
print(a.T)

一般来说，你不需要担心这个。如果你只是出于习惯，添加额外的维度通常不是你想要的。Numpy会在进行各种计算时自动广播一个1D数组。通常不需要区分行向量和列向量(它们都不是向量)。它们都是2D的!)当你只想要一个向量时。

使用两个括号对，而不是一个。这将创建一个2D数组，它可以被转置，不像您使用一个括号对创建的1D数组。

import numpy as np    
a = np.array([[5, 4]])
a.T

更彻底的例子:

>>> a = [3,6,9]
>>> b = np.array(a)
>>> b.T
array([3, 6, 9])         #Here it didn't transpose because 'a' is 1 dimensional
>>> b = np.array([a])
>>> b.T
array([[3],              #Here it did transpose because a is 2 dimensional
       [6],
       [9]])

使用numpy的shape方法来查看这里发生了什么:

>>> b = np.array([10,20,30])
>>> b.shape
(3,)
>>> b = np.array([[10,20,30]])
>>> b.shape
(1, 3)

你可以把一个现有的向量转换成一个矩阵，方法是用一组额外的方括号把它括起来。

from numpy import *
v=array([5,4]) ## create a numpy vector
array([v]).T ## transpose a vector into a matrix

Numpy还有一个矩阵类(参见array vs. matrix)…

matrix(v).T ## transpose a vector into a matrix

—>列/行矩阵:

>>> a=np.array([1,2,4])
>>> a[:, None]    # col
array([[1],
       [2],
       [4]])
>>> a[None, :]    # row, or faster `a[None]`
array([[1, 2, 4]])

正如@joe-kington所说，你可以用np替换None。新蜡是为了可读性。

你只能对2D数组进行转置。您可以使用numpy。矩阵来创建一个2D数组。这迟了三年，但我只是在可能的解决方案中添加了一些:

import numpy as np
m = np.matrix([2, 3])
m.T

正如上面提到的一些评论，1D数组的转置是1D数组，所以转置1D数组的一种方法是将数组转换为如下的矩阵:

np.transpose(a.reshape(len(a), 1))

对于1D数组:

a = np.array([1, 2, 3, 4])
a = a.reshape((-1, 1)) # <--- THIS IS IT

print a
array([[1],
       [2],
       [3],
       [4]])

一旦你理解了-1在这里意味着“需要多少行”，我发现这是最易读的“转置”数组的方式。如果你的数组是高维的，简单地使用a.T。

numpy中的函数名为column_stack。

>>>a=np.array([5,4])
>>>np.column_stack(a)
array([[5, 4]])

另一个解决方案…: -)

import numpy as np

a = [1,2,4]

[1, 2, 4]

b = np.array([a]).T

数组([[1], [2], [4]])

要将1d数组“转置”为2d列，可以使用numpy.vstack:

>>> numpy.vstack(numpy.array([1,2,3]))
array([[1],
       [2],
       [3]])

它也适用于香草列表:

>>> numpy.vstack([1,2,3])
array([[1],
       [2],
       [3]])

而是使用arr[:，None]创建列向量

我只是巩固上面的帖子，希望它能帮助别人节省一些时间:

下面的数组有(2，)维数，它是一个一维数组，

b_new = np.array([2j, 3j])  

有两种方法来转置一个1-D数组:

用“np”进行切片。或者没有。

print(b_new[np.newaxis].T.shape)
print(b_new[None].T.shape)

其他写法，以上不用T运算。!

print(b_new[:, np.newaxis].shape)
print(b_new[:, None].shape)

换行[]或使用np。矩阵，意味着增加一个新的维度。

print(np.array([b_new]).T.shape)
print(np.matrix(b_new).T.shape)

有一个方法没有在答案中描述，但在文档中描述了numpy. narray .transpose方法:

对于一维数组，这没有影响，因为转置向量就是相同的向量。要将1-D数组转换为2D列向量，必须添加一个额外维度。np.atleast2d (a)。T实现了这一点，就像a[:， np.newaxis]一样。

你可以这样做:

import numpy as np
a = np.array([5,4])
print(a)
print(np.atleast_2d(a).T)

这(在我看来)比使用新蜡更好。

基本上转置函数的作用是交换数组的形状和步长:

>>> a = np.ones((1,2,3))

>>> a.shape
(1, 2, 3)

>>> a.T.shape
(3, 2, 1)

>>> a.strides
(48, 24, 8)

>>> a.T.strides
(8, 24, 48)

在一维numpy数组(rank-1数组)的情况下，形状和跨距是1元素元组，不能交换，这样的一维数组的转置返回它不变。相反，您可以将“行向量”(形状(1,n)的numpy数组)转置为“列向量”(形状(n, 1)的numpy数组)。为了实现这一点，你必须首先将你的1D numpy数组转换为行向量，然后交换形状和跨步(转置它)。下面是一个函数:

from numpy.lib.stride_tricks import as_strided

def transpose(a):
    a = np.atleast_2d(a)
    return as_strided(a, shape=a.shape[::-1], strides=a.strides[::-1])

例子:

>>> a = np.arange(3)
>>> a
array([0, 1, 2])

>>> transpose(a)
array([[0],
       [1],
       [2]])

>>> a = np.arange(1, 7).reshape(2,3)
>>> a     
array([[1, 2, 3],
       [4, 5, 6]])

>>> transpose(a)
array([[1, 4],
       [2, 5],
       [3, 6]])

当然你不需要这样做，因为你有一个一维数组，你可以直接通过a. remodeling((-1, 1))或a[:， None]将它重塑为(n, 1)数组。我只是想演示一下如何对数组进行转置。

你可以使用np.expand_dims()函数来调换一个1-D数组(平面数组)，就像你的例子中那样:

>>> a = np.expand_dims(np.array([5, 4]), axis=1)
array([[5],
       [4]])

Np.expand_dims()将为所选轴添加一个维度。在本例中，我们使用axis=1，它增加了一个列维度，有效地调换了原始平面数组。