Python numpy.transpose 详解

前言
看Python代码时，碰见 numpy.transpose 用于高维数组时挺让人费解，通过一番画图分析和代码验证，发现 transpose 用法还是很简单的。

正文
Numpy 文档 numpy.transpose 中做了些解释，transpose 作用是改变序列，下面是一些文档Examples：

代码1：

x = np.arange(4).reshape((2,2))
1
输出1：

#x 为：
array([[0, 1],
[2, 3]])
1
2
3
代码2：

import numpy as np
x.transpose()
1
2
输出2：

array([[0, 2],
[1, 3]])
1
2
对于二维 ndarray，transpose在不指定参数是默认是矩阵转置。如果指定参数，有如下相应结果：
代码3：

x.transpose((0,1))
1
输出3：

x 没有变化

array([[0, 1],
[2, 3]])
1
2
3
代码4：

x.transpose((1,0))
1
输出4：

x 转置了

array([[0, 2],
[1, 3]])
1
2
3
这个很好理解：
对于x，因为：

代码5：

x[0][0] == 0
x[0][1] == 1
x[1][0] == 2
x[1][1] == 3
1
2
3
4
我们不妨设第一个方括号“[]”为 0轴 ，第二个方括号为 1轴 ，则x可在 0-1坐标系 下表示如下：

代码6：

因为 x.transpose((0,1)) 表示按照原坐标轴改变序列，也就是保持不变
而 x.transpose((1,0)) 表示交换 ‘0轴’ 和 ‘1轴’，所以就得到如下图所示结果：
1
2

注意，任何时候你都要保持清醒，告诉自己第一个方括号“[]”为 0轴 ，第二个方括号为 1轴
此时，transpose转换关系就清晰了。

我们来看一个三维的：
代码7：

import numpy as np

A是array([ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15])

A = np.arange(16)

将A变换为三维矩阵

A = A.reshape(2,2,4)
print(A)
1
2
3
4
5
6
7
8
输出7：

A = array([[[ 0, 1, 2, 3],
[ 4, 5, 6, 7]],

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

1
2
3
4
5
我们对上述的A表示成如下三维坐标的形式：

所以对于如下的变换都很好理解啦：
代码8：

A.transpose((0,1,2)) #保持A不变
A.transpose((1,0,2)) #将 0轴 和 1轴 交换
1
2
将 0轴 和 1轴 交换：

此时，输出

代码9：

A.transpose((1,0,2)) [0][1][2] #根据上图这个结果应该是10
1
后面不同的参数以此类推。

完。

作者：November丶Chopin
来源：CSDN
原文：https://blog.csdn.net/u012762410/article/details/78912667
版权声明：本文为博主原创文章，转载请附上博文链接！

更正，此处z轴的0123应该是3210