python transpose函数_Numpy之np.transpose矩阵转置

对于一维数组：

>>> import numpy as np

>>> t=np.arange(4)  #  插入值0-3

>>> t

array([0, 1, 2, 3])

>>> t.transpose()

array([0, 1, 2, 3])

>>>

由上可见，对于一维数组而言，numpy.transpose()是不起作用的。

对于二位数组：

>>> two=np.arange(16).reshape(4,4)   # 插入0-15，形状为4*4

>>> two

array([[ 0,  1,  2,  3],

[ 4,  5,  6,  7],

[ 8,  9, 10, 11],

[12, 13, 14, 15]])

>>> two.transpose()

array([[ 0,  4,  8, 12],

[ 1,  5,  9, 13],

[ 2,  6, 10, 14],

[ 3,  7, 11, 15]])

>>> two.transpose(1,0)

array([[ 0,  4,  8, 12],

[ 1,  5,  9, 13],

[ 2,  6, 10, 14],

[ 3,  7, 11, 15]])

有以上可见，原数组two的数组两个轴axis为(x，y)，对应的下标为(0,1)，np.transpose()传入的参数为(1,0)，即将原数组的0,1轴互换。综上，对二维数组的transpose操作就是对原数组的转置操作。

对于三维数组：

>>> three=np.arange(18).reshape(2,3,3)

>>> three

array([[[ 0,  1,  2],

[ 3,  4,  5],

[ 6,  7,  8]],

[[ 9, 10, 11],

[12, 13, 14],

[15, 16, 17]]])

>>> three.transpose()

array([[[ 0,  9],

[ 3, 12],

[ 6, 15]],

[[ 1, 10],

[ 4, 13],

[ 7, 16]],

[[ 2, 11],

[ 5, 14],

[ 8, 17]]])

>>>

这是numpy.transpose()函数对three数组默认的操作

二维以上的维数组进行transpose的话，不传参则默认将维度反序

即将原数组的各个axis进行reverse一下，three原始axis排列为(0,1,2)，那numpy.transpose()默认的参数为(2，1，0)得到转置后的数组的视图，不影响原数组的内容以及大小。

我们一步一步来分析这个过程：axis(0，1，2)———>axis(2，1，0) ，transpose后的数组相对于原数组来说，相当于交换了原数组的0轴和2轴。ndarray.shape (2,3,3) ->(3,3,2)

(2, 1, 0) 分别代表 维度d,  行l, 列c

#对原始three数组的位置索引下标写出来，如下：

A=[

[ [ (0,0,0) , (0,0,1) , (0,0,2)],

[ (0,1,0) , (0,1,1) , (0,1,2)],

[ (0,2,0) , (0,2,1) , (0,2,2)]],

[[ (1,0,0) , (1,0,1) , (1,0,2)],

[ (1,1,0) , (1,1,1) , (1,1,2)],

[ (1,2,0) , (1,2,1) , (1,2,2)]]

]

#接着把上述每个三元组的第一个数和第三个数进行交换，得到以下的数组

B=[[[ (0,0,0) , (1,0,0) , (2,0,0)],

[ (0,1,0) , (1,1,0) , (2,1,0)],

[ (0,2,0) , (1,2,0) , (2,2,0)]],

[[ (0,0,1) , (1,0,1) , (2,0,1)],

[ (0,1,1) , (1,1,1) , (2,1,1)],

[ (0,2,1) , (1,2,1) , (2,2,1)]]]

#最后在原数组中把B对应的下标的元素，写到相应的位置，如(0，2，1)代表放置到d = 0，行 = 2，列 = 1

#对比看一下，这是原数组

[[[ 0,  1,  2],

[ 3,  4,  5],

[ 6,  7,  8]],

[[ 9, 10, 11],

[12, 13, 14],

[15, 16, 17]]]

# 按照B的映射关系得到最终的数组。

C=[[[ 0,  9],

[ 3,  12],

[ 6,  15]],

[[ 1, 10],

[4, 13],

[7, 16]]

[[ 2, 11],

[5, 14],

[8, 17]]

]

# 最终的结果也就是数组C

再看自己定义的转置格式：

arr = np.arange(24).reshape(3, 4, 2)

print(arr)

tran_arr = np.transpose(arr, (1, 0, 2)) # axis索引(0，1，2)变为(1，0，2)

print(tran_arr)

因为索引号由(0,1,2)变成了(1,0,2)，axis第一个和第二个交换，shape 由(3,4,2)变成了(4,3,2)，可知结果矩阵为d = 4，行3，列2。等效于

arr = np.arange(24).reshape(3, 4, 2)

np.swapaxes(arr,0,1) #交换axis 0，1

再展开矩阵的位置下标，每个元素交换第一个和第二个，得到最终的位置下标。

输出结果：

[[[ 0  1]

[ 2  3]

[ 4  5]

[ 6  7]]

[[ 8  9]

[10 11]

[12 13]

[14 15]]

[[16 17]

[18 19]

[20 21]

[22 23]]]

[[[ 0  1]

[ 8  9]

[16 17]]

[[ 2  3]

[10 11]

[18 19]]

[[ 4  5]

[12 13]

[20 21]]

[[ 6 7 ]

[14 15]

[22 23]]]

一般用reshape()进行维度转换比较多，直接传入新的维度就行，而不是用下标代替

arr = arr.reshape(4,3,2)

但是实际上二者是有很大区别的，transpose()会将数组进行转置，而reshape()则是按照数组原有的排布顺序，重新按照新维度生成一个依然有序的数组，从以上两图也能看出来

ref：

https://blog.csdn.net/xiongchengluo1129/article/details/79017142

https://blog.csdn.net/jeffery0207/article/details/79411334