numpy中的函数名为column_stack。

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

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)

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。

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)

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。

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]])