numpy.transpose()

numpy.transpose()是对矩阵按照所需的要求的转置，比较难理解，现以例子来说明：

[python]  view plain  copy

1. <span style="font-family:KaiTi_GB2312;font-size:18px;">import numpy as np  
2.   
3. a = np.array(range(30)).reshape(2, 3, 5)  
4.   
5. print ("a = ")  
6. print (a)  
7.   
8. print "\n=====================\n"  
9.   
10. print ("a.transpose() = ")  
11. print (a.transpose(1, 0, 2))</span>  

输出：

[python]  view plain  copy

1. <span style="font-family:KaiTi_GB2312;font-size:18px;">a =   
2. [[[ 0  1  2  3  4]  
3.   [ 5  6  7  8  9]  
4.   [10 11 12 13 14]]  
5.   
6.  [[15 16 17 18 19]  
7.   [20 21 22 23 24]  
8.   [25 26 27 28 29]]]  
9. #一维数组中包含2个元素，每个元素是一个包含3个元素的数组，这三个元素每个元素同样又是一个包含5个元素的数组，这就是这个三维数组的解释。  
10. =====================  
11.   
12. a.transpose() =   
13. [[[ 0  1  2  3  4]  
14.   [15 16 17 18 19]]  
15.   
16.  [[ 5  6  7  8  9]  
17.   [20 21 22 23 24]]  
18.   
19.  [[10 11 12 13 14]  
20.   [25 26 27 28 29]]]</span>  

       刚开始看这些数据，根本没有头绪，这就要理解transpose()中的参数的意义,因为数组a的shape为（2,3,5），是一个三维数组，那么这个元组对应的索引为：（0,1,2），也就是a.shape的下标：(2[0], 3[1], 5[2])， []中对应的是shape元组的索引。那么，现在，通过b = a.transpose(1, 0, 2)，那么b.shape就变成(3， 2， 5)，这就是说transpose就是改变高维数组的形状，形状改变了，那么里面的元素自然也要重新排列，比如：

      元素11在a中的位置是a[0][2][1]，经过b = a.transpose(1, 0, 2)之后，11在b中的位置就变成b[2][0][1]。再比如元素28，在a中的位置a[1][2][3]，在b中为：a[2][1][3].