python numpy 转置_Python numpy.transpose 详解

前言

看Python代码时，碰见 numpy.transpose 用于高维数组时挺让人费解，通过一番画图分析和代码验证，发现 transpose 用法还是很简单的。

正文

Numpy 文档 numpy.transpose 中做了些解释，transpose 作用是改变序列，下面是一些文档Examples：

代码1：

x = np.arange(4).reshape((2,2))

1

输出1：

#x 为：

array([[0, 1],

[2, 3]])

1

2

3

代码2：

import numpy as np

x.transpose()

1

2

输出2：

array([[0, 2],

[1, 3]])

1

2

对于二维 ndarray，transpose在不指定参数是默认是矩阵转置。如果指定参数，有如下相应结果：

代码3：

x.transpose((0,1))

1

输出3：

# x 没有变化

array([[0, 1],

[2, 3]])

1

2

3

代码4：

x.transpose((1,0))

1

输出4：

# x 转置了

array([[0, 2],

[1, 3]])

1

2

3

这个很好理解：

对于x，因为：

代码5：

x[0][0] == 0

x[0][1] == 1

x[1][0] == 2

x[1][1] == 3

1

2

3

4

我们不妨设第一个方括号“[]”为0轴，第二个方括号为 1轴，则x可在 0-1坐标系下表示如下：

代码6：

因为 x.transpose((0,1)) 表示按照原坐标轴改变序列，也就是保持不变

而 x.transpose((1,0)) 表示交换 ‘0轴’ 和 ‘1轴’，所以就得到如下图所示结果：

1

2

注意，任何时候你都要保持清醒，告诉自己第一个方括号“[]”为0轴，第二个方括号为 1轴

此时，transpose转换关系就清晰了。

我们来看一个三维的：

代码7：

import numpy as np

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

A = np.arange(16)

# 将A变换为三维矩阵

A = A.reshape(2,2,4)

print(A)

1

2

3

4

5

6

7

8

输出7：

A = array([[[ 0, 1, 2, 3],

[ 4, 5, 6, 7]],

[[ 8, 9, 10, 11],

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

1

2

3

4

5

我们对上述的A表示成如下三维坐标的形式：

所以对于如下的变换都很好理解啦：

代码8：

A.transpose((0,1,2)) #保持A不变

A.transpose((1,0,2)) #将 0轴 和 1轴 交换

1

2

将0轴和 1轴交换：

此时，输出

代码9：

A.transpose((1,0,2)) [0][1][2] #根据上图这个结果应该是10

1

后面不同的参数以此类推。

完。