在MATLAB中，一切都是二维的（或更多）。在numpy中，数组可能是一维的。在将MATLAB示例应用于numpy时请记住这一点。
这个错误总是导致矩阵需要具有至少2 × N维。
2xn dimension到底是什么意思？对于大多数numpy用户来说，它意味着（2，n）的形状，而不是（1，n）或（n，）。
当问SO问题时，最好包括实际代码，并准确引用错误。
当我在一个3元素列表上使用svd时，它变成了一个（3，）数组：

In [27]: np.linalg.svd([1,2,3])
---------------------------------------------------------------------------
LinAlgError                               Traceback (most recent call last)
Cell In[27], line 1
----> 1 np.linalg.svd([1,2,3])

File <__array_function__ internals>:200, in svd(*args, **kwargs)

File ~\miniconda3\lib\site-packages\numpy\linalg\linalg.py:1623, in svd(a, full_matrices, compute_uv, hermitian)
   1620         s = abs(s)
   1621         return sort(s)[..., ::-1]
-> 1623 _assert_stacked_2d(a)
   1624 t, result_t = _commonType(a)
   1626 extobj = get_linalg_error_extobj(_raise_linalgerror_svd_nonconvergence)

File ~\miniconda3\lib\site-packages\numpy\linalg\linalg.py:183, in _assert_stacked_2d(*arrays)
    181 for a in arrays:
    182     if a.ndim < 2:
--> 183         raise LinAlgError('%d-dimensional array given. Array must be '
    184                 'at least two-dimensional' % a.ndim)

LinAlgError: 1-dimensional array given. Array must be at least two-dimensional

字符串
“2xn dimension”是对这个错误的错误解释。
有一个（1，3）参数：

In [28]: np.linalg.svd([[1,2,3]])
Out[28]: 
(array([[-1.]]),
 array([3.74165739]),
 array([[-0.26726124, -0.53452248, -0.80178373],
        [-0.53452248,  0.77454192, -0.33818712],
        [-0.80178373, -0.33818712,  0.49271932]]))

型
a（3，1）：

In [29]: np.linalg.svd([[1],[2],[3]])
Out[29]: 
(array([[ 0.26726124, -0.53452248, -0.80178373],
        [ 0.53452248,  0.77454192, -0.33818712],
        [ 0.80178373, -0.33818712,  0.49271932]]),
 array([3.74165739]),
 array([[1.]]))

型
如果你已经有一个一维数组，arr[:,None]或arr.reshape(-1,1)将把它变成（n，1）形状。