Numpy的Reshape和Transpose

      今天余凯同学用python在从mat文件里面读取图片信息时，遇到一个问题，matlab保存图片的时候默认的是(长 * 宽 * 图片个数)，他用python读出来numpy格式就是(长 * 宽 * 图片个数)，所以让我帮忙转换成(图片个数 * 长 * 宽)，好久不用python了，就想当然的用了reshape，后来发现自己把图片的信息改变了，最后想了一下是reshape和transpose搞混了，所以写个小结记录下。

       1.先来说说numpy.reshape吧

           你该怎么来理解numpy.reshap呢？一种比较直观的理解就是Numpy将不管是什么形状的数组，先扁平化处理成一个一维的列表，然后按照你重新定义的形状，再把这个列表截断拼成新的形状。 在这个过程中，如果你要处理的是图片矩阵的话，就会完全改变图片信息。(我就是错在这里)

           还是举个栗子吧：

data = array(
[[
     [ 0,  1],
     [ 2,  3]
  ],
  [
     [ 4,  5],
     [ 6,  7]
  ],
  [
     [ 8,  9],
     [10, 11]
]])
>> data.reshape(3, 4)
array([[ 0,  1,  2,  3],
       [ 4,  5,  6,  7],
       [ 8,  9, 10, 11]])

             上面这个栗子就是把一个(3, 2, 2)形状的数组，先变成一维数组，然后在reshape成(3,4)的形状。

       2.该说numpy.transpose了

         矩阵的转置在二维数组上很好理解，比如：

[[1 2],             will become    [[1, 3]
 [3 4]]                             [2, 4]]

        numpy.transpose采取轴作为输入，所以你可以改变轴，这对于张量来说很有用，也很方便。比如data.transpose(1,0,2),就表示把1位置的数换到0位置，0位置的换到1位置，2没有变。