编写接受一维和二维 numpy 数组的函数？

我的理解是 numpy 中的一维数组可以解释为面向列的向量或面向行的向量。例如，具有形状的一维数组(8,)可以被视为形状的二维数组(1,8)或形状(8,1)取决于上下文。

我遇到的问题是，我编写的用于操作数组的函数往往在二维情况下可以很好地泛化以处理向量和矩阵，但在一维情况下则不太好。

因此，我的函数最终会执行如下操作：

if arr.ndim == 1:
    # Do it this way
else:
    # Do it that way

甚至是这个：

# 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 ...

也就是说，我发现我可以概括代码来处理二维情况(r,1), (1,c), (r,c)，但不是没有分支或重塑的一维情况。

当函数对多个数组进行操作时，它会变得更加丑陋，因为我会检查并转换每个参数。

所以我的问题是：我是否错过了一些更好的习语？我上面描述的模式对于 numpy 代码来说是常见的吗？

另外，作为 API 设计原则的相关问题，如果调用者将一维数组传递给某个返回新数组的函数，并且返回值也是一个向量，那么重塑二维向量是否是常见的做法(r,1) or (1,c)返回一维数组或简单地记录该函数无论如何都返回一个二维数组？

Thanks

我认为一般来说 NumPy 函数需要形状数组(r,c)对一维数组没有特殊考虑。相反，他们希望用户传递一个形状数组(r,c)确切地说，或者让用户传递一个一维数组广播 http://www.scipy.org/EricsBroadcastingDoc达到形状(r,c).

如果你向这样的函数传递一个形状的一维数组(c,)它将广播形成(1,c)，因为广播在左侧添加了新轴。还可以广播塑造(r,c)对于任意的r（取决于它与哪个其他数组组合）。

另一方面，如果你有一个一维数组，x，形状(r,)你需要它来传播形状(r,c)，那么 NumPy 期望用户传递一个形状数组(r,1)因为广播不会为您添加右侧的新轴。

为此，用户必须通过x[:,np.newaxis]而不仅仅是x.

关于返回值：我认为最好总是返回一个二维数组。如果用户知道输出的形状(1,c)，并且想要一个一维数组，让她切掉一维数组x[0]她自己。

通过使返回值始终具有相同的形状，可以更容易地理解使用此函数的代码，因为输入的形状并不总是立即显而易见。

此外，广播模糊了一维形状数组之间的区别(c,)和一个二维形状数组(r,c)。如果您的函数在输入一维输入时返回一个一维数组，在输入二维输入时返回一个二维数组，那么您的函数会严格区分而不是模糊区分。从风格上来说，这让我想起检查if isinstance(obj,type)，这违背了鸭子类型的原则。如果没有必要，就不要这样做。