《利用python进行数据分析》——4.1 NumPy的ndarray一种多维数组对象——数组转置和轴对换——读书笔记

4.1 NumPy的ndarray一种多维数组对象

数组转置和轴对换

转置是重塑的一种特殊形式，它返回的是源数据的视图（不会进行任何复制操作）。

数组不仅有transpose方法，还有一个特殊的T属性：

In [126]: arr = np.arange(15).reshape((3, 5))

In [127]: arr
Out[127]:
array([[ 0, 1, 2, 3, 4],
       [ 5, 6, 7, 8, 9],
       [10, 11, 12, 13, 14]])

In [128]: arr.T
Out[128]:
array([[ 0, 5, 10],
       [ 1, 6, 11],
       [ 2, 7, 12],
       [ 3, 8, 13],
       [ 4, 9, 14]])

对于高维数组，transpose方法，需要得到一个由轴编号组成的元组才能对这些轴进行转置（比较费脑子）：

transpose方法是数组用来转置的一种方法，尤其对于高维数组，transpose需要得到一个由轴编号组成的元组才能对这些轴进行转置。那么是怎么根据这个轴来完成转置的呢？

举个栗子：

举例说明：先创建一个2*2*4的三维数组：

In [59]: arrrr=np.arange(16).reshape((2,2,4))

In [60]: arrrr
Out[60]:
array([[[ 0,  1,  2,  3],
        [ 4,  5,  6,  7]],

       [[ 8,  9, 10, 11],
        [12, 13, 14, 15]]])

我假设这个三维数组在空间中按上图的方式排列，数组里每个数字存放在一个小立方体中

更具体一点，我们的俯视图如下：

用表格展示这个数组arr,如下：

	长0	长1	长2	长3
高0.宽0	0	1	2	3
高0.宽1	4	5	6	7
	长0	长1	长2	长3
高1.宽0	8	9	10	11
高1.宽1	12	13	14	15
	长0	长1	长2	长3
高0.宽0	0	1	2	3
高0.宽1	8	9	10	11
	长0	长1	长2	长3
高1.宽0	4	5	6	7
高1.宽1	12	13	14	15

接着转化为坐标及对应的值，如下：

坐标	值
0.0.0	0
0.0.1	1
0.0.2	2
0.0.3	3
0.1.0	4
0.1.1	5
0.1.2	6
0.1.3	7
1.0.0	8
1.0.1	9
1.0.2	10
1.0.3	11
1.1.0	12
1.1.1	13
1.1.2	14
1.1.3	15

这也是数组取值时使用的坐标，例如：（1，0，0）对应8

In [60]: arrrr
Out[60]:
array([[[ 0,  1,  2,  3],
        [ 4,  5,  6,  7]],

       [[ 8,  9, 10, 11],
        [12, 13, 14, 15]]])

In [61]: arrrr[1,0,0]
Out[61]: 8

接下来，解释下整个转换的过程：

1.先定义需要被转化的数组（我们临时把他称为：原数组）：

In [59]: arrrr=np.arange(16).reshape((2,2,4))

In [60]: arrrr
Out[60]:
array([[[ 0,  1,  2,  3],
        [ 4,  5,  6,  7]],

       [[ 8,  9, 10, 11],
        [12, 13, 14, 15]]])

原数组arrrr=np.arange(16).reshape((2,2,4))

咱们先定义一下：

用reshape（参数0,参数1,参数2）方法创建的数组时，

给参数0起名（编号）为：0轴，给参数1起名（编号）为：1轴，给参数2起名（编号）为：2轴，

每个轴对应的数值叫做：轴的长度

那么reshape((2,2,4)就可以表达为：创建0轴长度为2，1轴长度为2，2轴长度为4的数组arrrr。

2.解释转换过程

 

transpose方法，需要得到一个由轴编号组成的元组才能对这些轴进行转置

注意这句话的重点：轴编号！！！

轴编号就是咱们上面给轴起的名字：0轴、1轴、2轴

也就是说transpose方法中的参数是：轴编号（也就是咱们的0轴、1轴、2轴）

当数组是3维数组时，在transpose（）方法中，其实就是0轴、1轴、2轴对应的就是0，1，2，

transpose（）方法只能是0，1，2不重复的组合排列

即：transpose((1,0,2))，transpose((2,0,1))，transpose((2,1,0))，transpose((1,2,0))，transpose((0,2,1))，transpose((0,1,2))

【注：transpose((0,1,2))不会改变数组，因为0，1，2，其实就是数组创建时轴编号的顺序

.reshape((2,2,4))，其实是创建了0轴长度为2，1轴长度为2，2轴长度为4的数组】

使用其他数字或者是数字重复都会报错

In [63]: arrrr.transpose((1,3,2))
---------------------------------------------------------------------------
AxisError                                 Traceback (most recent call last)
<ipython-input-63-7a9f29aaebef> in <module>
----> 1 arrrr.transpose((1,3,2))

AxisError: axis 3 is out of bounds for array of dimension 3

In [64]: arrrr.transpose((1,1,2))
---------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)
<ipython-input-64-01f32732ffe4> in <module>
----> 1 arrrr.transpose((1,1,2))

ValueError: repeated axis in transpose

In [65]: arrrr.transpose((1,0,1))
---------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)
<ipython-input-65-778f0eb81639> in <module>
----> 1 arrrr.transpose((1,0,1))

ValueError: repeated axis in transpose

继续解释转换过程：

In [59]: arrrr=np.arange(16).reshape((2,2,4))

In [60]: arrrr
Out[60]:
array([[[ 0,  1,  2,  3],
        [ 4,  5,  6,  7]],

       [[ 8,  9, 10, 11],
        [12, 13, 14, 15]]])

In [62]: arrrr.transpose((1,0,2))

Out[62]:
array([[[ 0,  1,  2,  3],
        [ 8,  9, 10, 11]],

       [[ 4,  5,  6,  7],
        [12, 13, 14, 15]]])

因为创建数组时轴编号（0轴、1轴、2轴）的顺序默认就是（0，1，2)

所以arrrr.transpose((1,0,2))可以表达为：

将数组arrrr默认的（0轴、1轴、2轴）转换为（1轴、0轴、2轴）,对应3维图就是“高宽互换”

3.得到转换后的数组

空间的转换比较难想象，我也没想，转换可以直接在，“坐标及对应值”的表中完成

即：原数组0轴那一列的内容和原数组1轴那一列的内容互换（值保持不变）就可得到转换后的数组