numpy array 数据类型问题

lqhenwunai

大家好，我在一个下载的程序上做了一些修改，其中有个问题

我print了某个变量的类型，维度及其值
print(type(A))
print(A.shape)
print(A)

结果如下：
原代码中数据的类型是
<class 'numpy.ndarray'> (3,)
[-1.48029737e-17 -1.48029737e-17 -3.08148791e-33]

而我传入的数据类型是
<class 'numpy.ndarray'> (3, 1)
[[-4.44089210e-17]
[-1.85037171e-17]
[ 1.11022302e-17]]

请问怎么把<class 'numpy.ndarray'> (3, 1) 类型转换成<class 'numpy.ndarray'> (3,)

傻眼貓咪

我用你的代码：

1. import numpy as np
   
2. A = np.array([-1.48029737e-17, -1.48029737e-17, -3.08148791e-33])
   
3. 
   
4. print(type(A))
   
5. print(A.shape)
   
6. print(A)

复制代码

结果：

1. <class 'numpy.ndarray'>
   
2. (3,)
   
3. [-1.48029737e-17 -1.48029737e-17 -3.08148791e-33]

复制代码

(3,) 不是你想要的吗？

Twilight6

楼楼，Python numpy 的数组 (3, 1) 就是 (3, )  不需要更改~

lqhenwunai

谢谢大家的回复！！！
如果不嫌长，我把相关代码贴一下

1.         for i in range(1):
   
2.               # find the nearest neighbors between the current source and destination points
   
3.                 distances, indices = nearest_neighbor(src[:dim,:].T, dst[:dim,:].T)
   
4.                 # compute the transformation between the current source and nearest destination points
   
5.                 Transformation_Mat , Rotation, translation = best_fit_transform(src[:dim,:].T, dst[:dim,indices].T)
   
6. 
   
7.                 # update the current source
   
8.                 src = np.dot(Transformation_Mat, src)
   
9.                 # check error
   
10.                 mean_error = np.mean(distances)
    
11.                 if np.abs(prev_error - mean_error) < thresh:
    
12.                         break
    
13.                 prev_error = mean_error
    
14. 
    
15.         # calculate final transformation
    
16.         Transformation_Mat,Rotation,translation = best_fit_transform(chull1, src[:dim,:].T)
    

复制代码

这里我只做一次循环，调用best_fit_transform 函数，并且在循环外再调用一次。

而在best_fit_transform函数中，我有这么一段话：

1.         tmp=np.dot(R,centroid_A.T)
   
2.         tmp=np.array(tmp)
   
3.         t = centroid_B.T - tmp
   
4. 
   
5.         print("check t...")
   
6.         print(type(tmp),tmp.shape)
   
7.         print(centroid_B.T)
   
8.         print(np.dot(R,centroid_A.T))
   
9.         print(t)
   
10.         print("..................")
    
11.         # homogeneous transformation
    
12.         T = np.identity(dim+1)
    
13.         T[:dim, :dim] = R
    
14.         T[:dim, dim] = t
    

复制代码

不懂为什么，两次打印出来的tmp就如一楼所显示的一样，而这造成的后果就是得到的t第一次是1×3的行向量，第二次就是个3*3的矩阵了。然后后面对T赋值就报错了。