NumPy数组转换为列向量的通用转换方法

import numpy as np

def to_column_array(x):
    # 如果输入不是NumPy数组，则先将其转换为NumPy数组
    if not isinstance(x, np.ndarray):
        x = np.array(x)
    # ... 后续处理
    return x

import numpy as np

def to_column_array(x):
    if not isinstance(x, np.ndarray):
        x = np.array(x)

    # 计算与目标二维形状相差的维度数
    missing_dims = 2 - x.ndim
    if missing_dims < 0:
        raise ValueError('输入数组的维度过多，无法转换为标准列向量。')

    # 循环增加维度，直到达到二维
    for _ in range(missing_dims):
        x = x.reshape(-1, 1) # -1 表示该维度的大小由NumPy自动计算，1 表示增加一个大小为1的新维度
    return x

import numpy as np

def to_column_array(x):
    """
    将各种输入（标量、列表、一维NumPy数组等）转换为NumPy列向量（二维数组，形状为(N, 1)）。

    参数:
        x: 待转换的输入数据。可以是标量、列表、NumPy数组。

    返回:
        np.ndarray: 转换为列向量形式的NumPy二维数组。

    抛出:
        ValueError: 如果输入数组的维度超过2，则抛出此异常。
    """
    # 1. 类型检查：确保输入是NumPy数组
    if not isinstance(x, np.ndarray):
        x = np.array(x)

    # 2. 维度分析：计算与目标二维形状相差的维度数
    # 目标是二维数组 (N, 1)，所以期望维度是2
    missing_dims = 2 - x.ndim

    # 3. 错误处理：如果输入维度已经超过2，则抛出异常
    if missing_dims < 0:
        raise ValueError(f"输入数组的维度 ({x.ndim}) 过多，无法转换为标准列向量。最大支持二维输入。")

    # 4. 维度重塑：循环增加维度，直到达到二维
    # 使用 reshape(-1, 1) 将数组转换为列向量形式
    for _ in range(missing_dims):
        x = x.reshape(-1, 1)
    return x

# 标量输入
scalar_input = 10
column_vector_from_scalar = to_column_array(scalar_input)
print(f"原始输入: {scalar_input}, 类型: {type(scalar_input)}")
print(f"转换后数组:\n{column_vector_from_scalar}")
print(f"形状: {column_vector_from_scalar.shape}\n")
# 预期输出:
# 原始输入: 10, 类型: <class 'int'>
# 转换后数组:
# [[10]]
# 形状: (1, 1)

# 一维列表输入
list_input = [3, 6, 9]
column_vector_from_list = to_column_array(list_input)
print(f"原始输入: {list_input}, 类型: {type(list_input)}")
print(f"转换后数组:\n{column_vector_from_list}")
print(f"形状: {column_vector_from_list.shape}\n")
# 预期输出:
# 原始输入: [3, 6, 9], 类型: <class 'list'>
# 转换后数组:
# [[3]
#  [6]
#  [9]]
# 形状: (3, 1)

# 一维NumPy数组输入
np_array_input = np.arange(80, 130, 10) # [80 90 100 110 120]
column_vector_from_np_array = to_column_array(np_array_input)
print(f"原始输入:\n{np_array_input}, 形状: {np_array_input.shape}")
print(f"转换后数组:\n{column_vector_from_np_array}")
print(f"形状: {column_vector_from_np_array.shape}\n")
# 预期输出:
# 原始输入:
# [ 80  90 100 110 120], 形状: (5,)
# 转换后数组:
# [[ 80]
#  [ 90]
#  [100]
#  [110]
#  [120]]
# 形状: (5, 1)

# 二维数组输入 (例如，已经是一个列向量或矩阵)
two_d_array_input = np.array([[1, 2], [3, 4], [5, 6]])
column_vector_from_2d = to_column_array(two_d_array_input)
print(f"原始输入:\n{two_d_array_input}, 形状: {two_d_array_input.shape}")
print(f"转换后数组:\n{column_vector_from_2d}")
print(f"形状: {column_vector_from_2d.shape}\n")
# 预期输出:
# 原始输入:
# [[1 2]
#  [3 4]
#  [5 6]], 形状: (3, 2)
# 转换后数组:
# [[1 2]
#  [3 4]
#  [5 6]]
# 形状: (3, 2)