它完全按照它的预期工作。一维数组的转置仍然是一维数组(如果你习惯了matlab，它基本上没有一维数组的概念。matlab的“1d”阵列是2d。）
如果你想把一维向量转换成二维数组，然后转置它，只需用 np.newaxis （或 None ，他们是一样的， newaxis 更具可读性）。

import numpy as np
a = np.array([5,4])[np.newaxis]
print(a)
print(a.T)

不过，一般来说，你不必担心这一点。如果你只是出于习惯，添加额外维度通常不是你想要的。在进行各种计算时，numpy将自动广播1d数组。通常不需要区分行向量和列向量（它们都不是向量）。他们都是2d！）当你只需要一个向量的时候。

使用两对支架，而不是一对。这将创建一个二维数组，该数组可以进行转置，与使用一对括号创建的一维数组不同。

import numpy as np    
a = np.array([[5, 4]])
a.T

更全面的例子：

>>> a = [3,6,9]
>>> b = np.array(a)
>>> b.T
array([3, 6, 9])         #Here it didn't transpose because 'a' is 1 dimensional
>>> b = np.array([a])
>>> b.T
array([[3],              #Here it did transpose because a is 2 dimensional
       [6],
       [9]])

使用numpy's shape 方法来查看此处发生的情况：

>>> b = np.array([10,20,30])
>>> b.shape
(3,)
>>> b = np.array([[10,20,30]])
>>> b.shape
(1, 3)

对于一维阵列：

a = np.array([1, 2, 3, 4])
a = a.reshape((-1, 1)) # <--- THIS IS IT

print a
array([[1],
       [2],
       [3],
       [4]])

一旦您理解了这里的-1表示“需要多少行”，我发现这是“转置”数组的最可读的方式。如果数组的维数较高，只需使用 a.T .

您可以通过将现有向量 Package 在一组额外的方括号中，将其转换为矩阵。。。

from numpy import *
v=array([5,4]) ## create a numpy vector
array([v]).T ## transpose a vector into a matrix

numpy也有一个 matrix 类（请参见阵列与矩阵）。。。

matrix(v).T ## transpose a vector into a matrix

numpy 1d数组-->列/行矩阵：

>>> a=np.array([1,2,4])
>>> a[:, None]    # col
array([[1],
       [2],
       [4]])
>>> a[None, :]    # row, or faster `a[None]`
array([[1, 2, 4]])

正如@joe kington所说，你可以取代 None 具有 np.newaxis 为了可读性。

要将一维数组“转置”到二维列，可以使用 numpy.vstack :

>>> numpy.vstack(numpy.array([1,2,3]))
array([[1],
       [2],
       [3]])

它也适用于普通列表：

>>> numpy.vstack([1,2,3])
array([[1],
       [2],
       [3]])

只能转置二维数组。你可以用 numpy.matrix 创建二维阵列的步骤。这已经晚了三年，但我只是在补充可能的解决方案：

import numpy as np
m = np.matrix([2, 3])
m.T

改用 arr[:,None] 创建列向量的步骤

另一个解决方案……：）

import numpy as np

a = [1,2,4]

[1, 2, 4]

b = np.array([a]).T

数组（[[1]、[2]、[4]]）

转置函数的基本作用是交换阵列的形状和步幅：

>>> a = np.ones((1,2,3))

>>> a.shape
(1, 2, 3)

>>> a.T.shape
(3, 2, 1)

>>> a.strides
(48, 24, 8)

>>> a.T.strides
(8, 24, 48)

在1d numpy数组（秩1数组）的情况下，形状和跨步是1个元素元组，不能交换，这种1d数组的转置返回不变。相反，您可以转置“行向量”（形状的numpy数组） (1, n) )转换为“列向量”（形状的numpy数组） (n, 1) ). 要实现这一点，您必须首先将1d numpy数组转换为行向量，然后交换形状和步幅（转置）。下面是执行此操作的函数：

from numpy.lib.stride_tricks import as_strided

def transpose(a):
    a = np.atleast_2d(a)
    return as_strided(a, shape=a.shape[::-1], strides=a.strides[::-1])

例子：

>>> a = np.arange(3)
>>> a
array([0, 1, 2])

>>> transpose(a)
array([[0],
       [1],
       [2]])

>>> a = np.arange(1, 7).reshape(2,3)
>>> a     
array([[1, 2, 3],
       [4, 5, 6]])

>>> transpose(a)
array([[1, 4],
       [2, 5],
       [3, 6]])

当然，您不必这样做，因为您有一个1d阵列，您可以直接将其重塑为 (n, 1) 排列方式 a.reshape((-1, 1)) 或 a[:, None] . 我只是想演示如何转置数组。

我只是巩固了上面的帖子，希望它能帮助其他人节省一些时间：
下面的数组具有 (2, ) 维，它是一个一维数组，

b_new = np.array([2j, 3j])

有两种方法可以转置一维阵列：
用“np.newaxis”或无进行切片。！

print(b_new[np.newaxis].T.shape)
print(b_new[None].T.shape)

其他的写作方式，以上没有 T 活动

print(b_new[:, np.newaxis].shape)
print(b_new[:, None].shape)

换行[]或使用np.matrix，意味着添加新维度。！

print(np.array([b_new]).T.shape)
print(np.matrix(b_new).T.shape)

转置

x = [[0 1],
     [2 3]]

是

xT = [[0 2],
      [1 3]]

代码是：

import numpy as np
a = [[0, 1],[2, 3]]
x = np.array(a);
np.transpose(x)

或者简单的方法：

x.T

此链接可获取更多信息：http://docs.scipy.org/doc/numpy/reference/generated/numpy.transpose.html

**转置一维数组将返回原始数组的不变视图。对于1d阵列，请尝试以下操作：

b = np.array([a])

如上所述，1d数组的转置是1d数组，因此转置1d数组的一种方法是将数组转换为如下矩阵：

np.transpose(a.reshape(len(a), 1))

中函数的名称 numpy 这是一个堆栈。

>>>a=np.array([5,4])
>>>np.column_stack(a)
array([[5, 4]])

有一种方法未在答案中描述，但在文档中描述了该方法 numpy.ndarray.transpose 方法：
对于1-d阵列，这没有影响，因为转置向量只是同一个向量。要将一维数组转换为二维列向量，必须添加额外的维度。np.atlest2d（a）.t实现了这一点，a[：，np.newaxis]也实现了这一点。
我们可以做到：

import numpy as np
a = np.array([5,4])
print(a)
print(np.atleast_2d(a).T)

哪个（imo）比使用更好 newaxis .