结果不一致 - Jupyter Numpy和Transpose

Question

enter image description here

我对Jupyter / Numpy / Transpose（）/ 1D阵列的行为很奇怪。

我找到了另一篇文章，其中transpose（）不会转换一维数组，但在以前的Jupyter笔记本中，它确实如此。

我有一个不一致的例子，我不明白：

如果2个或多或少相同的阵列有2个不同的输出，请查看我的jupyter笔记本附带的图片。

它似乎是IS和IS不是转置1D阵列。不一致是不好的

输出是（1000，）和（1,1000），为什么会出现这种情况？

# GENERATE WAVEORM:
#---------------------------------------------------------------------------------------------------
N   = 1000
fxc = []
fxn = []
for t in range(0,N):
    fxc.append(A1*m.sin(2.0*pi*50.0*dt*t) + A2*m.sin(2.0*pi*120.0*dt*t))
    fxn.append(A1*m.sin(2.0*pi*50.0*dt*t) + A2*m.sin(2.0*pi*120.0*dt*t) + 5*np.random.normal(u,std,size=1))
#---------------------------------------------------------------------------------------------------


# TAKE TRANSPOSE:
#---------------------------------
fc = np.transpose(np.array(fxc))
fn = np.transpose(np.array(fxn))
#---------------------------------


# PRINT DIMENSION:
#---------------------------------
print(fc.shape)
print(fn.shape)
#---------------------------------   

Answer 1

从你的size=1电话中删除numpy.random.normal。然后它将返回标量而不是长度为1的1-d数组。

例如，

In [2]: np.random.normal(0, 3, size=1)
Out[2]: array([0.47058288])

In [3]: np.random.normal(0, 3)
Out[3]: 4.350733438283539

在你的代码中使用size=1是一个问题，因为它导致fxn是一维数组的列表（例如像[[0.123], [-.4123], [0.9455], ...]。当NumPy将其转换为数组时，它具有形状(N, 1)。转置这样的数组导致形状(1, N) 。

另一方面，fxc是一个标量列表（例如[0.123, 0.456, ...]之类的东西）。转换为NumPy数组时，它将是一个形状为(N,)的一维数组。 NumPy的转置操作交换尺寸，但它不会创建新尺寸，因此转换1-d数组不会产生任何影响。