Numpy中转置transpose、T和swapaxes

本文详细介绍了如何使用Numpy库进行数组的转置transpose和轴对换swapaxes操作，并通过实例展示了这些操作的具体效果及原理。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

利用Python进行数据分析时，Numpy是最常用的库，经常用来对数组、矩阵等进行转置等，有时候用来做数据的存储。

在numpy中，转置transpose和轴对换是很基本的操作，下面分别详细讲述一下，以免自己忘记。

In [1]: import numpy as np

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

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

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

如上图所示，将0-15放在一个2 2 4 的矩阵当中，得到结果如上。

现在要进行装置transpose操作，比如

In [4]: arr.transpose(1,0,2)
Out[4]:
array([[[ 0,  1,  2,  3],
        [ 8,  9, 10, 11]],

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

结果是如何得到的呢？

每一个元素都分析一下，0位置在[0,0,0]，转置为[1,0,2]，相当于把原来位置在[0,1,2]的转置到[1,0,2]，对0来说，位置转置后为[0,0,0]，同理，对1 [0,0,1]来说，转置后为[0,0，1]，同理我们写出所有如下：

其中第一列是值，第二列是转置前位置，第三列是转置后，看到转置后位置，再看如上的结果，是不是就豁然开朗了？

0  [0,0,0] [0,0,0]
1  [0,0,1] [0,0,1]
2  [0,0,2] [0,0,2]
3  [0,0,3] [0,0,3]
4  [0,1,0] [1,0,0]
5  [0,1,1] [1,0,1]
6  [0,1,2] [1,0,2]
7  [0,1,3] [1,0,3]
8  [1,0,0] [0,1,0]
9  [1,0,1] [0,1,1]
10 [1,0,2] [0,1,2]
11 [1,0,3] [0,1,3]
12 [1,1,0] [1,1,0]
13 [1,1,1] [1,1,1]
14 [1,1,2] [1,1,2]
15 [1,1,3] [1,1,3]

再看另一个结果：

In [20]: arr.T
Out[20]:
array([[[ 0,  8],
        [ 4, 12]],

       [[ 1,  9],
        [ 5, 13]],

       [[ 2, 10],
        [ 6, 14]],

       [[ 3, 11],
        [ 7, 15]]])

In [21]: arr.transpose(2,1,0)
Out[21]:
array([[[ 0,  8],
        [ 4, 12]],

       [[ 1,  9],
        [ 5, 13]],

       [[ 2, 10],
        [ 6, 14]],

       [[ 3, 11],
        [ 7, 15]]])

再对比转置前后的图看一下：

0  [0,0,0] [0,0,0]
1  [0,0,1] [1,0,0]
2  [0,0,2] [2,0,0]
3  [0,0,3] [3,0,0]
4  [0,1,0] [0,1,0]
5  [0,1,1] [1,1,0]
6  [0,1,2] [2,1,0]
7  [0,1,3] [3,1,0]
8  [1,0,0] [0,0,1]
9  [1,0,1] [1,0,1]
10 [1,0,2] [2,0,1]
11 [1,0,3] [3,0,1]
12 [1,1,0] [0,1,1]
13 [1,1,1] [1,1,1]
14 [1,1,2] [2,1,1]
15 [1,1,3] [3,1,1]

瞬间就明白转置了吧！其实只要动手写写，都很容易明白的。另外T其实就是把顺序全部颠倒过来，如下：

In [22]: arr3=np.arange(16).reshape(2,2,2,2)

In [23]: arr3
Out[23]:
array([[[[ 0,  1],
         [ 2,  3]],

        [[ 4,  5],
         [ 6,  7]]],


       [[[ 8,  9],
         [10, 11]],

        [[12, 13],
         [14, 15]]]])

In [24]: arr3.T
Out[24]:
array([[[[ 0,  8],
         [ 4, 12]],

        [[ 2, 10],
         [ 6, 14]]],


       [[[ 1,  9],
         [ 5, 13]],

        [[ 3, 11],
         [ 7, 15]]]])

In [25]: arr3.transpose(3,2,1,0)
Out[25]:
array([[[[ 0,  8],
         [ 4, 12]],

        [[ 2, 10],
         [ 6, 14]]],


       [[[ 1,  9],
         [ 5, 13]],

        [[ 3, 11],
         [ 7, 15]]]])

转置就是这样子，具体上面aar3转置前后的位置，就不写了。

下面说说swapaxes，轴对称。

话不多，上结果

In [27]: arr.swapaxes(1,2)
Out[27]:
array([[[ 0,  4],
        [ 1,  5],
        [ 2,  6],
        [ 3,  7]],

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

In [28]: arr.transpose(0,2,1)
Out[28]:
array([[[ 0,  4],
        [ 1,  5],
        [ 2,  6],
        [ 3,  7]],

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

发现了吧，其实swapaxes其实就是把矩阵中某两个轴对换一下，不信再看一个：

In [29]: arr3
Out[29]:
array([[[[ 0,  1],
         [ 2,  3]],

        [[ 4,  5],
         [ 6,  7]]],


       [[[ 8,  9],
         [10, 11]],

        [[12, 13],
         [14, 15]]]])

In [30]: arr3.swapaxes(1,3)
Out[30]:
array([[[[ 0,  4],
         [ 2,  6]],

        [[ 1,  5],
         [ 3,  7]]],


       [[[ 8, 12],
         [10, 14]],

        [[ 9, 13],
         [11, 15]]]])

In [31]: arr3.transpose(0,3,2,1)
Out[31]:
array([[[[ 0,  4],
         [ 2,  6]],

        [[ 1,  5],
         [ 3,  7]]],


       [[[ 8, 12],
         [10, 14]],

        [[ 9, 13],
         [11, 15]]]])

哈哈，只要动手做做，会发现其实没有那么困难，不能只看

纸上得来终觉浅，绝知此事要躬行！共勉