Насколько я понимаю, одномерные массивы в numpy можно интерпретировать либо как вектор, ориентированный на столбцы, либо как вектор, ориентированный на строки. Например, одномерный массив с формой (8,)
можно рассматривать как двумерный массив формы (1,8)
или формы (8,1)
в зависимости от контекста.
Проблема, с которой я сталкиваюсь, заключается в том, что функции, которые я пишу для работы с массивами, имеют тенденцию хорошо обобщаться в двумерном случае для работы с векторами и матрицами, но не так хорошо в одномерном случае.
Таким образом, мои функции в итоге делают что-то вроде этого:
if arr.ndim == 1:
# Do it this way
else:
# Do it that way
Или даже это:
# Reshape the 1-D array to a 2-D array
if arr.ndim == 1:
arr = arr.reshape((1, arr.shape[0]))
# ... Do it the 2-D way ...
То есть, я обнаружил, что могу обобщить код для обработки двумерных случаев (r,1)
, (1,c)
, (r,c)
, но не для одномерных случаев без ветвления или перестроения.
Это становится еще более уродливым, когда функция работает с несколькими массивами, поскольку я должен проверять и преобразовывать каждый аргумент.
Поэтому мой вопрос: не упустил ли я какую-то лучшую идиому? Является ли шаблон, который я описал выше, общим для кода numpy?
Также, в качестве смежного вопроса о принципах проектирования API, если вызывающая сторона передает одномерный массив некоторой функции, которая возвращает новый массив, а возвращаемое значение также является вектором, является ли обычной практикой преобразование двухмерного вектора (r,1)
или (1,c)
обратно в одномерный массив или просто документировать, что функция возвращает двухмерный массив независимо от этого?
Спасибо