关于Numpy中transpose()和stack()函数的解析！（Numpy.transpose()和Numpy.stack()）

最近在看斯坦福大学的cs231n机器学习课程，第一节的assignment1里的KNN线性分类器中用到了这两个函数，由于我是新手，就看不懂这两个函数坐了什么，其实结合那个例程，这个函数当时会觉得好像明白了它的意思，但是后来在CSDN上看了一个讲stack()函数的博客，彻底把我搞懵了，研究了一天，结果发现这两个函数（Numpy.transpose()和Numpy.stack()）是有很强的相似性的。下面开始分析，因为本人也是研究生一枚，刚入机器学习不久，错误之处，还望大神不吝指正，邮箱评论均可（邮箱：568884899@qq.com）。

首先，网上关于Numpy.stack()的具体理解还是很少的，其中有一篇博主写的很详细，但是长篇大论都在讲自己怎么理解，我看了一半我真的不知道这个博客在讲什么，什么套箱子，什么的。好吧可能是我太菜了，也有很多说看懂的，能看懂的可以尝试去看一看。但是，我觉得这个函数的设计绝不是那样的，官方文档几句话就解释完了（虽然并没有理解），所以说它应该没有那么复杂。链接在这，可自行查看：https://blog.csdn.net/csdn15698845876/article/details/73380803

我为什么要把Numpy.stack()和Numpy.transpose()放在一起来讲呢，他们真的是有共同点的。我不想在这里做重复的事情，所以，有前辈贡献的，我直接甩链接，大家点进去看，有补充的我会在后面补充。

首先是Numpy.transpose()函数，

这个函数官方的文档在这：https://docs.scipy.org/doc/numpy-1.13.0/reference/generated/numpy.ndarray.transpose.html

好吧，为了照顾英文不好的，我再以我的方式解释一下，（我的英文也不好，有错误的地方，欢迎指正）

大致的意思就是，以x.transpose()方式引用，接收一个参数（*axes），函数对一维数组没有作用，函数通过参数axes来变换传入数组的形状（shape）

axes参数一共有三种传入方式

①：不传入，即默认

假如原数组的shape是（0,1,2,3,4,...,n-1），变换以后是（n-1,...2,1,0）

②：传入元组

传入的元组必须和当前元组的维度个数相同，也就是现在是n维的数组，那么axes参数也必须是n维，而且元组的数必须是0到n-1的每一个数字组成的，代表新的数组的维度

例如一个三维的数组，shape是（2,3,4），axes数组必须是0,1,2这三个数，你可以是（0，1，2），这个表示不变化，也可以是（1,0,2）这个变换后的shape是（3,2,4），也可以是（2,1,0），这个变换后的shape是（4，2，3），也可以是（2,0,1），这个变换后的shape是（4，3，2）。

应该看明白了吧，例子自己举吧，列个数组就明白了，就是指定维度变换方式，所以这个很好理解。

还有个帖子我觉得写得不错，很详细，我很懒，懒得画图解释了，你们可以看看这个：

https://blog.csdn.net/u012762410/article/details/78912667

关于这个函数，写得好的帖子应该很多，不满意我的解释或者我推荐的也不满意，可以自行查找。

那么可能有人要问，变换后数组的数是怎么排布的呢？先不着急，先看Numpy.stack()函数

Numpy.stack()函数，

这个函数，我真的没找到几个好的解释，官方文档算一个，在这：

https://docs.scipy.org/doc/numpy/reference/generated/numpy.stack.html

还有就是上面提到的那个，说了很多云里雾里的：

https://blog.csdn.net/csdn15698845876/article/details/73380803

真正让我有启发的是这个：

https://my.oschina.net/amui/blog/1601432

具体变换过程其实是和transpose()很相似的，只是transpose()需要一个元组来设计变换后的shape，而stack()只要一个axis来指定变换后的shape，具体变换方法看上个连接就好。

那么，最令人费解的是什么，是变换后的数，这也是两个函数的共同点，这两个函数，对传入的数不管是列表也好，元组也好，都会先使用numpy.array()变换，变换后的数组会是作为一个原型，以后所有的Numpy.transpose()和Numpy.stack()的作用都是在这个原型的基础上旋转得来的，举例来说，当输入的原型是三维的，你可以想象成一个立方体，所有你做的变换最终得到的数组的数字排列，只是这个立方体从不同的角度看得到的多维数组，各个数字之间的相对位置是不变的。这个只能想，没法画。可以写代码验证。

#!/usr/bin/python3.6
# -*- coding: utf-8 -*-
# @Time    : 2018/9/13 17:04
# @Author  : Allen
# @File    : test.py
# @Software: PyCharm


import numpy as np

a = [[1, 2, 3, 4, 5], [6, 7, 8, 9, 10], [11, 12, 13, 14, 15], [16, 17, 18, 19, 20]]
b = [[21, 22, 23, 24, 25], [26, 27, 28, 29, 30], [31, 32, 33, 34, 35], [36, 37, 38, 39, 40]]
c = [[41, 42, 43, 44, 45], [46, 47, 48, 49, 50], [51, 52, 53, 54, 55], [56, 57, 58, 59, 60]]


x = np.array((a, b, c))
print(x)
print(x.shape)

y = np.stack(x)
print(y)
print(y.shape)

z = np.stack(x, axis=0)
print(z)
print(z.shape)

w = np.stack(x, axis=1)
print(w)
print(w.shape)

g = np.stack(x, axis=2)
print(g)
print(g.shape)

h = np.stack(x, axis=2)
print(h)
print(h.shape)

k = np.stack(x, axis=-1)
print(k)
print(k.shape)

x = np.array((a, b, c))
print(x)
print(x.shape)

p = x.transpose((0, 1, 2))
print(p)
print(p.shape)

q = x.transpose((1, 0, 2))
print(q)
print(q.shape)

i = x.transpose((1, 2, 0))
print(i)
print(i.shape)

i = x.transpose((2, 1, 0))
print(i)
print(i.shape)

结果太长就不粘贴了，可以自行运行。

写代码的时候发现在google其实是能找到stack的详解的，没那么少。而且好像讲述了立方体的意思，都写到这里了不能白写，既然写了，就放出来，希望可以帮到某些人。如果有错误的地方，欢迎指正（568884899@qq.com）。或者你看的一头雾水，那就选择其他途径吧！到此为止。欢迎阅读！