python numpy 转置_Python中NumPy库中transpose函数转置的理解

关于NumPy中tanspose函数的理解

tanspose函数高维数组的转置，有时候比较费脑子，这里对于三维转置，想了一种取巧的快捷理解和推导方式，仅供参考。

In [2]: import numpy as np

In [3]: arr = np.arange(16).reshape((2,2,4))

In [4]: arrr

Out[4]:array([[[ 0, 1, 2, 3],

[ 4, 5, 6, 7]],

[[ 8, 9, 10, 11],

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

以上可以理解成什么呢？

这个图可以辅助想象下，.reshape(2,2,4)函数的在0轴上切成两片(数值小于7.5的那些方格，和数值大于7.7的一部分)，1轴上分成两列，每列再2轴上按次序排了四个。上面是由外向内的理解

那么由内向外写上面的代码的结果，就是先写最内层为2轴的，那么就是

[0,1,2,3]

然后2轴是在1轴上扩展的，我们把扩展的第二部分[4,5,6,7]加上

他们构成0轴上的第一部分：

[[0,1,2,3],[4,5,6,7]]

同理，0轴上第二部分

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

最后将0轴两部分组合一下：

[[[0,1,2,3],[4,5,6,7]],

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

这么从内向外来写出来就比较明了。

那么我们按照上面的方法看下下面这个代码：

In [6]: arr.transpose((1,0,2))

Out[6]:array([[[ 0, 1, 2, 3],

[ 8, 9, 10, 11]],

[[ 4, 5, 6, 7],

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

这个函数

.transpose((1,0,2))

就是把0和1轴上转置了，2轴不动。

画出图来如下：仅仅0，1互换

互换0,1轴

同样按照上面的次序，先写最里层的2轴的

还是第一组

[0,1,2,3]

接下来有点变化了，因为我们要写在1轴上的扩展，这个时候不是4567了，因为那是在0轴上了，这个时候1轴上扩展的是

[8,9,10,11]

他们组成一个大组：

[[0,1,2,3],[8,9,10,11]]

同样的这个大组会最后在0轴上扩展：

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

最后两个大组合起来：

[[[0,1,2,3],[8,9,10,11]],

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

形象地可以理解成一个三维的豆腐大块，切三刀，按照2轴，1轴，0轴的次序，由内往外拿出来。

那么有人可能想，不是每次都要这么画个三维图来推导结果吧？

熟练了可以直接看着初始的模样直接写转置的模样：

我们还是先看下这个初始样子

Out[4]:array([[[ 0, 1, 2, 3],

[ 4, 5, 6, 7]],

[[ 8, 9, 10, 11],

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

就是下面这张图片：

简单标注图

那么如果我们写一个

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

的结果呢？那就是把2,0轴对调下：

对换2,0轴后的简单标注图

先写2轴：

[0,8]

在1轴上的扩展后：

[[0,8],[4,12]]

再在0轴扩展：

[

[[0,8],[4,12]],

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

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

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

]

看下代码执行出来的结果：

In [7]: arr.transpose((2,1,0))

Out[7]:array([[[ 0, 8],

[ 4, 12]],

[[ 1, 9],

[ 5, 13]],

[[ 2, 10],

[ 6, 14]],

[[ 3, 11],

[ 7, 15]]])

同样地，你也按照上面的方式试下推导下下面的结果呢？

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

结果是不是和下面的一样呢？

In [8]: arr.transpose((0,2,1))

Out[8]:array([[[ 0, 4],[ 1, 5],[ 2, 6],[ 3, 7]],[[ 8, 12],[ 9, 13],[10, 14],[11, 15]]])

最后，也看到有人是按照空间坐标系的方式，把每个位置的转成轴的元组值，轴转置后，对应换掉元组值，然后找寻对应的最开始的数值，最后再按照转置后的shape，来码出来结构。

这样也是理解的一种方式，可能思维理解上更为准确。

只是个人觉得那样不够直观，不够快捷。

这里想的豆腐块理论，2轴1轴0轴从内往外拿取的思路和方法可能不够严谨，或者思维方式上走了偏锋，走了治标的路子，但是多少也是一种理解，如果不习惯，还是按照自己原本的理解就好。