python 矩阵转置transpose

在读图片时，会用到这么的一段代码：

image_vector_len = np.prod(image_size)#总元素大小，3*55*47

img = Image.open(path)
        arr_img = np.asarray(img, dtype='float64')
        arr_img = arr_img.transpose(2,0,1).reshape((image_vector_len, ))# 47行，55列，每个点有3个元素rgb。再把这些元素一字排开

transpose是什么意识呢？ 看如下例子：

arr1 = array([[[ 0,  1,  2,  3],

        [ 4,  5,  6,  7]],

       [[ 8,  9, 10, 11],
        [12, 13, 14, 15]]])
这是原来的矩阵。如果对其进行转置，执行arr2 = arr1.transpose((1,0,2))
得到：array([[[ 0,  1,  2,  3],
        [ 8,  9, 10, 11]],

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

过程是怎样的？

arr1.shape 应该是(2, 2, 4) 意为 2维，2*4矩阵

arr1.transpose(*args) 里面的参数，可以这么理解，他是调换arr1.shape的顺序，咱来给arr1.shape标一下角标哈，（2[0], 2[1], 4[2]）  [ ] 里是shape的索引，对吧， 
transpose((1, 0, 2)) 的意思是 按照这个顺序 重新设置shape 也就是 （2[1], 2[0], 4[2]）

虽然看起来 变换前后的shape都是 2,2,4  ， 但是问题来了，transpose是转置
shape按照(1,0,2)的顺序重新设置了， array里的所有元素 也要按照这个规则重新组成新矩阵

比如 8 在arr1中的索引是 (1, 0, 0)  那么按照刚才的变换规则，就是 (0, 1, 0) 看看跟你结果arr2的位置一样了吧，依此类推..

另外一个知识点：

对于一维的shape,转置是不起作用的，举例：

x=linspace(0,4,5)  

#array([0.,1.,2.,3.,4.])

y=transpose(x)   # 会转置失败。

如果想正确使用的话：

x.shape=(5,1)

y=transpose(x)   #就可以了