python - np.reshape(x, (-1,1)) vs x[ :, np.newaxis]

Question

我最近在阅读一个开源项目的源代码。当程序员想要将像 array([0, 1, 2]) 这样的行向量转换为像 array([[0], [1], [2]] 这样的列向量时)，使用了 np.reshape(x, (-1,1))。 在评论中，它说 reshape 对于保持数据连续性是必要的，而 [:, np.newaxis] 则不需要。

这两种方式我都试过了，好像返回的结果是一样的。那么这里的数据连续性保存是什么意思呢？

Answer 1

两种方式都返回完全相同数据的 View ，因此“数据连续性”可能不是问题，因为数据没有改变，只是 View 发生了改变。参见 Numpy: use reshape or newaxis to add dimensions .

然而，使用 .reshape((-1,1)) 可能有一个实际优势，因为它会将数组 reshape 为二维数组，而不管原始形状如何。对于 [:, np.newaxis]，结果将取决于数组的原始形状，考虑到这些:

In [3]: a1 = np.array([0, 1, 2])

In [4]: a2 = np.array([[0, 1, 2]])

In [5]: a1.reshape((-1, 1))
Out[5]: 
array([[0],
       [1],
       [2]])

In [6]: a2.reshape((-1, 1))
Out[6]: 
array([[0],
       [1],
       [2]])

In [7]: a1[:, np.newaxis]
Out[7]: 
array([[0],
       [1],
       [2]])

In [8]: a2[:, np.newaxis]
Out[8]: array([[[0, 1, 2]]])