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。

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。

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。

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

numpy中的函数名为column_stack。

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

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。