对numpy中 transpose方法的理解

先来结论： transpose方法是对shape起作用的

这里直接以三维数组为例，看代码比较直观

arr2 = np.arange(24).reshape(2,3,4)
print(arr2)
[[[ 0  1  2  3]
  [ 4  5  6  7]
  [ 8  9 10 11]]

 [[12 13 14 15]
  [16 17 18 19]
  [20 21 22 23]]]

print(arr2.transpose(0, 1, 2))
[[[ 0  1  2  3]
  [ 4  5  6  7]
  [ 8  9 10 11]]

 [[12 13 14 15]
  [16 17 18 19]
  [20 21 22 23]]]
# arr2是一个shape为（2,3,4）的矩阵，对它进行transpose操作。
首先对矩阵的维度进行编号，矩阵三个维度编号依次为0，1，2.
而transpose函数的参数输入就是基于这个编号的，调用transpose（0，1，2），那么矩阵将不发生变化

print(arr2.transpose())
[[[ 0 12]
  [ 4 16]
  [ 8 20]]

 [[ 1 13]
  [ 5 17]
  [ 9 21]]

 [[ 2 14]
  [ 6 18]
  [10 22]]

 [[ 3 15]
  [ 7 19]
  [11 23]]]
# 如果不输入参数，直接调用transpose（），其效果就是将矩阵进行转置，
起作用等价与transpose（2，1，0），即shape从（2,3,4）变为（4，3，2）

# 以下验证我的理解，调用transpose（1, 0, 2），shape是否会从（2,3,4）变为（3，2，4）
print(arr2.transpose(1, 0, 2))
print(arr2.transpose(1, 0, 2).shape)
[[[ 0  1  2  3]
  [12 13 14 15]]

 [[ 4  5  6  7]
  [16 17 18 19]]

 [[ 8  9 10 11]
  [20 21 22 23]]]
(3, 2, 4)

# 最后一次验证我们的理解，调用transpose（0, 2, 1），shape从（2,3,4）变为（2，4，3）
print(arr2.transpose(0, 2, 1))
print(arr2.transpose(0, 2, 1).shape)
[[[ 0  4  8]
  [ 1  5  9]
  [ 2  6 10]
  [ 3  7 11]]

 [[12 16 20]
  [13 17 21]
  [14 18 22]
  [15 19 23]]]
(2, 4, 3)

以上供参考。