转置（transpose）的理解

注意

.T 适用于一、二维数组的转置
.transpose 适用于高维数组，需要用到一个由轴编号组成的元组，才能进行转置

完整代码

import numpy as np

arr = np.arange(24).reshape(2,3,4)
print('原3维数组arr:\n',arr)
print('3个维度:',arr.shape)
print('----------------')

arr1=arr.transpose((1,0,2))
print('新3维数组arr1:\n',arr1)
print('3个维度:',arr1.shape)
print('----------------')

arr2=arr.transpose((0,2,1))
print('新3维数组arr2:\n',arr2)
print('3个维度:',arr2.shape)
print('----------------')

arr3=arr.transpose((1,2,0))
print('新3维数组arr3:\n',arr3)
print('3个维度:',arr3.shape)
print('----------------')

arr4=arr.reshape((3,2,4))#transpose不同于reshape
print('arr4:\n',arr4)
print('3个维度:',arr4.shape)

arr5=arr[:,:,::-1]#从尾到头
print('arr5:\n',arr5)
print('3个维度:',arr5.shape)

运行结果

原3维数组arr:
 [[[ 0  1  2  3]
  [ 4  5  6  7]
  [ 8  9 10 11]]

 [[12 13 14 15]
  [16 17 18 19]
  [20 21 22 23]]]
3个维度: (2, 3, 4)
----------------
新3维数组arr1:
 [[[ 0  1  2  3]
  [12 13 14 15]]

 [[ 4  5  6  7]
  [16 17 18 19]]

 [[ 8  9 10 11]
  [20 21 22 23]]]
3个维度: (3, 2, 4)
----------------
新3维数组arr2:
 [[[ 0  4  8]
  [ 1  5  9]
  [ 2  6 10]
  [ 3  7 11]]

 [[12 16 20]
  [13 17 21]
  [14 18 22]
  [15 19 23]]]
3个维度: (2, 4, 3)
----------------
新3维数组arr3:
 [[[ 0 12]
  [ 1 13]
  [ 2 14]
  [ 3 15]]

 [[ 4 16]
  [ 5 17]
  [ 6 18]
  [ 7 19]]

 [[ 8 20]
  [ 9 21]
  [10 22]
  [11 23]]]
3个维度: (3, 4, 2)
----------------
arr4:
 [[[ 0  1  2  3]
  [ 4  5  6  7]]

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

 [[16 17 18 19]
  [20 21 22 23]]]
3个维度: (3, 2, 4)
arr5:
 [[[ 3  2  1  0]
  [ 7  6  5  4]
  [11 10  9  8]]

 [[15 14 13 12]
  [19 18 17 16]
  [23 22 21 20]]]
3个维度: (2, 3, 4)

画龙点睛

原三维数组 arr 三个维度 (2,3,4) 对应的是 (0,1,2) 三个索引
transpose 函数可以理解为改变数组数值的映射关系，原数组6这个数所在的索引是（0,1,2）
arr1 = arr.transpose((1,0,2)) 的操作相当于把原三维数组 arr 的第一个维度和第二个维度调换【新数组6这个数所在的索引是（1,0,2）】
arr2 = arr.transpose((0,2,1)) 的操作相当于把原三维数组 arr 的第二个维度和第三个维度调换【新数组6这个数所在的索引是（0,2,1）】

原数组 arr (2,3,4)

新数组 arr1 (3,2,4)

新数组arr2 (2,4,3)

参考链接：
numpy之转置（transpose）和轴对换