NumPy 数组形状调整：将一维数组转换为二维数组

在机器学习模型训练中，数据需要保持一致的维度。如果您有一个 93 行 9 列的矩阵 X，而 y 是一个包含 93 个元素的一维数组，那么您需要将 y 转换为一个形状为 (93,1) 的二维数组。

可以使用 NumPy 的 reshape() 方法来实现这一点。以下代码示例演示了如何将 y 数组转换为二维数组：

import numpy as np

X = np.array([[1,2,3],[4,5,6],[7,8,9]])
y = np.array([1,0,1])

print(np.shape(X))  # 输出 (3,3)
print(np.shape(y))  # 输出 (3,)

y = y.reshape(-1, 1)

print(np.shape(y))  # 输出 (3,1)

在上述代码中，我们首先创建了一个 3 行 3 列的 X 矩阵和一个包含 3 个元素的 y 数组。然后，我们使用 reshape() 方法将 y 转换为一个形状为 (3,1) 的二维数组。-1 参数表示自动计算数组长度，根据数组中的元素数量自动计算出新的形状。

通过将 y 数组调整为与 X 矩阵相同的维度，您可以确保数据格式正确，从而顺利进行机器学习模型的训练。