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。

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。

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)

—>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。

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)

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]])