python n阶矩阵_python高维矩阵的理解

刚在复盘numpy，看到高维矩阵的数组转置，通过试验后有了自己的理解方式，记录下来供未来的自己和看到的朋友参考。

我们以一个(2，2，3)的三维矩阵为例。

(2，2，3)矩阵

为便于理解，我在稿纸上画出了大致形状：

矩阵实际分布

我们可以看到，三维矩阵的数字分布，是按照先满足X,Y=(0,0)，然后依次是X,Y=(0,1)，X,Y=(1,0)，X,Y=(1,1)。而这些数字当前所在的坐标，如数字3，其坐标为(0，1，0)。

当我们学到transpose对X,Y进行转置的时候，我们是可以比较容易理解的。从X-Y轴面看入，我们看到0，3，6，9四个数值，其在X-Y轴面的坐标，分别是(0,0),(0,1),(1,0),(1,1)。当arr从arr.transpose(0,1,2)变成arr.transpose(1,0,2)时，我们发现(0,0),(1,1)对应的队列其实是没有改变的，变的只有(0,1),(1,0)，也就是3和6所在的Z轴数组。

代码显示如下：

arr.transpose(0,1,2)变成arr.transpose(1,0,2)

但当Z轴加入到transpose的转换中来时，画图已经不能解决我们的需求了，虽然我们可以同样使用Y-Z轴面看数字，但图纸上不免会有些晕头转向。

此时最简单的方法是，把初始三维矩阵的每个数字的三维坐标写下来，依据transpose进行坐标交换。此刻放在我们眼前的问题是，如何理解array中的坐标，别慌，看以下图示：

array中的坐标图示

其实橙色块里面的就是(Y,Z)。