是否可以将一维ndarray（大小N）放入一维ndarray（大小N，1）

Question

我试图将微积分的结果放到一个大矩阵中，最后一个维度可以是1或2或更大。 所以把我的结果放在矩阵中

res[i,j,:,:] = y

如果y的大小为（N，2）或大于2，则会找到它，但是如果y的大小为（N），我会收到一条错误消息：

ValueError: could not broadcast input array from shape (10241) into shape (10241,1)

小例子：

import numpy as np

N=10
y = np.zeros((N,2))
res = np.zeros((2,2,N,2))
res[0,0,:,:]= y

y = np.zeros((N,1))
res = np.zeros((2,2,N,1))
res[0,0,:,:]= y

y = np.zeros(N)
res = np.zeros((2,2,N,1))
res[0,0,:,:]= y

我在上一个示例中遇到了错误，但它们都是（y和res）一维矢量，对吗？

我想知道是否存在一种解决方案，无论最后一个尺寸（1、2或更大）如何进行此分配？

在我的代码中，我尝试了一下，但可能存在另一种方式

try:
    self.res[i,j,:,:] = self.ODE_solver(len(self.t))
except:
    self.res[i, j, :, 0] = self.ODE_solver(len(self.t))

Answer 1

对于适用于所有三种情况的通用解决方案，请使用-

res[0,0,:,:] = y.reshape(y.shape[0],-1)

因此，基本上，我们要使y 2D不变，同时保持第一个轴长不变，并根据剩余量更改第二个轴长。

Answer 2

您可以将y重塑为res的最后两个维度。

N=10
y = np.zeros((N,2))
res = np.zeros((2,2,N,2))
res[0,0,:,:]= y.reshape(res.shape[-2:])

y = np.zeros((N,1))
res = np.zeros((2,2,N,1))
res[0,0,:,:]= y.reshape(res.shape[-2:])

y = np.zeros(N)
res = np.zeros((2,2,N,1))
res[0,0,:,:]= y.reshape(res.shape[-2:])