numpy 矩阵转置_Numpy中transpose()函数的可视化理解

一 引言

本文将探讨高维数组的坐标轴变换：转置。

在对Tensor处理时，经常会对高维数组进行坐标轴上的变换，即进行转置操作。

Numpy库中提供了转置函数 transepose()完成高维数组的转置，返回的是源数据的视图，不进行任何复制操作1。二维数组(即矩阵)的转换较好理解，但高维数组的转置则比较抽象。

首先看一个3维数组的小例子：

import numpy as np
t = np.arange(1,17).reshape(2, 2, 4)
print(t)

三维数组为：

[[[ 1  2  3  4]
  [ 5  6  7  8]]

 [[ 9 10 11 12]
  [13 14 15 16]]]

使用转置函数：

t1 = t.transpose(1, 0, 2)
print(t1)

转置结果为：

[[[ 1  2  3  4]
  [ 9 10 11 12]]

 [[ 5  6  7  8]
  [13 14 15 16]]]

上述结果初看较难直观理解。下文采用图示的方法对该函数进行解释。

二 理解高维矩阵在Numpy中的表达

在上面的例子中，3维数组t的shape为(2, 2, 4)，表示有 2个2X4的矩阵2，即：

矩阵1：

矩阵2：

三 高维数组在坐标系下的位置

三个维度(2, 2, 4)的index分别为0, 1, 2，即(2(第0维), 2(第1维), 4(第2维))。 如果建立如下坐标系：

图1 标准坐标系

则可在该坐标系内可视化三维数组t:

图2 标准坐标系下的三维数组t

图2中，数组中矩阵1和矩阵2在0轴上依次排列；两个矩阵的行向量分别(如矩阵1中[1,2,3,4]、[5,6,7,8])在1轴上依次排列。行向量按照在各自矩阵中的index在坐标轴上从小到大排列。

四 坐标轴交换

4.1 可视化理解

语句t1 = t.transpose(1, 0, 2)相当于把0轴和1轴位置进行了交换，2轴位置没有变化。对比一下：t: (0, 1, 2) → t1: (1, 0, 2).

调整方向后的新坐标系如下图所示(注意0轴、1轴的位置)：

图3 交换0轴、1轴后的新坐标系

在该坐标系方向下，数组t的位置摆放可视化结果为：

图4 数组t在新坐标系下的摆放

注意：在图4中，数组t仍按(2, 2, 4)对应(0轴, 1轴, 2轴)的方向摆放。

这里再对比一下数组t根据坐标方向改变的视觉变化。将t在原坐标系和新坐标系下按照(0轴, 1轴, 2轴)顺序摆放：

图5 数组t在前后坐标位置下的摆放对比

关键的一步：我们已经得到了数组在新坐标系下的摆放，现在将这种摆放原封不动地挪到原坐标系下，即得到了坐标轴变换后的新数组。如图6：

图6 新摆放在原坐标系下的视图

可以看出，在原坐标系下[坐标轴与图5(左)一致]，新摆放的数组shape仍为(2, 2, 4)，即包含2个2 X 4的矩阵。这两个矩阵在0轴上依次排列，分别为图6中绿色的cube和蓝色的cube。

绿色Cube为：

蓝色Cube为：

因此，t1为

也即引言小例子中的：

[[[ 1  2  3  4]
  [ 9 10 11 12]]

 [[ 5  6  7  8]
  [13 14 15 16]]]

4.2 巩固练习

在上小节，我们交换了0轴与1轴。进一步地，考虑3个轴都发生变化的情况：

t2 = t.transpose(2, 0, 1)

新旧坐标系对比：t: (0, 1, 2) → t1: (2, 0, 1).

图7 新旧坐标系对比

数组t在新坐标轴下的摆放：

图8 数组t在新坐标轴下的摆放

前后摆放对比如图9：

图9 数组t在前后坐标系下的摆放对比

将新的摆放位置放至原坐标系下[坐标轴与图9(左)一致]的可视化结果：

图10 新摆放在原坐标系下的视图

可以看出，在原坐标系下，新摆放的数组shape仍为(4, 2, 2)，即包含4个2 X 2的矩阵。这两个矩阵在0轴上依次排列，分别为图10中红色、蓝色、黄色、绿色的cube，分别为。

红色Cube：

蓝色Cube：

黄色Cube：

绿色Cube：

因此，t2为

运行验证一下：

t2 = t.transpose(2, 0, 1)
print(t2)

结果为：

[[[ 1  5]
  [ 9 13]]

 [[ 2  6]
  [10 14]]

 [[ 3  7]
  [11 15]]

 [[ 4  8]
  [12 16]]]

五 小结

采用可视化方法分析了高维(以三维矩阵为例)的坐标轴变换过程，即转置操作。结合Numpy的transpose()方法进行了代码验证。

在深度学习框架TensorFlow中，tf.transpose()实现相同功能。

参考：
1. https://blog.csdn.net/christianashannon/article/details/79006811
2. https://www.jianshu.com/p/de2e3022cd84
3. https://blog.csdn.net/u012762410/article/details/78912667

声明：本文为原创文章，欢迎转载。转载时请注明出处：

观海云远：Numpy中transpose()函数的可视化理解​zhuanlan.zhihu.com