np.transpose() 维度抽象理解

传入参数：

 a:输入数组
axis: int类型的列表。默认情况下，（0,1,2)到 （2,1,0）

对于一维向量而言，numpy.transpose()是不起作用的，返回它本身。

对于二维数组而言，

二位数据的两个坐标就是（0,1）， transpose(1,0)就是将 0坐标和 1坐标 的值对调

对于三维数组而言，

三维数组的坐标就是 （0,1,2） ，默认 transpose(2,1,0),将0维数据和 2维数据对调

不建立三维空间理解，虽然比较直观，但是对数据处理并不方便

  坐标维度：（0,1,2）

  数据维度：（2,3,4）

a,b转换，transpose(2,1,0),将0维坐标和 2维坐标对应的数据对调，b的数据维度是（4,3,2）

第2维坐标对应的数据是 [ 0  1  2  3]、[ 4  5  6  7]、[ 8  9 10 11]、[12 13 14 15]、[16 17 18 19]、[20 21 22 23]

第0维坐标对应的数据是[0  12]、[1  13]、[2  14]、[3  15]、[4  16、[5  17]、[6  18]......

那么第2维坐标的数据 变成了第0维坐标对应的数据，第0维坐标的数据变到了第2维

对应到三维图上就是， [ 0  1  2  3]数据和 [0  12]所在位置对换，[0 4 8]这一维不变

对比 a,b,发现，对应的行信息仍然保留，0,4,8、 1,5,9....

a,c转换，transpose(1,0,2)，c数据维度是（3,2,4），第0坐标和第1坐标数据变换，第2维数据不变

第1维坐标对应的数据[0 4 8]、[1 5 9] 、[2 6 10]

对应到三维图上就是，[0 4 8]数据和 [0  12]所在位置对换，[ 0  1  2  3]这一维不变

a = np.arange(24).reshape(2, 3, 4)
b = a.transpose()
c = a.transpose(1,0,2)