numpy学习——难点解析（二）多维数组转置解释

在numpy的使用过程中，常常会用到数组的转置，从二维数组角度来讲，是将以对角线的数据进行中心对称的转换，但是在维数组中，并不是简单的这种方式。
下面来介绍一下数组的转置应该是如何理解的：
在众多教程和视频当中，绝大部分都是以二维数组作为例子，通过讲0轴1轴，中心对称的概念来解释。
但是在个人理解中，这样反而会加大了初学者的理解难度，因此在以后可能要面对的是多维数组，不仅仅是二维数组，而且容易将思维固化。那么，从本质上讲一下转置到底是什么。
首先用几行代码和结果展示一下转置：

a = np.arange(120).reshape(2,3,4,5)
print('a的shape：',a.shape)
print('a转置后的shape：',a.T.shape)
>>>a的shape： (2, 3, 4, 5)
>>>a转置后的shape： (5, 4, 3, 2)

由此可以看出，转置实质上就是将shape顺序改变，变为相反的顺序，即维度数据的转换。
在数据方面，也会跟着格式相应的转换，从最小的数据块开始，依次按照新shape取转换。
举例：

a = np.arange(24).reshape(3,2,4,)
print(a)
print(a.T)
>>>
[[[ 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  8 16]
  [ 4 12 20]]

 [[ 1  9 17]
  [ 5 13 21]]

 [[ 2 10 18]
  [ 6 14 22]]

 [[ 3 11 19]
  [ 7 15 23]]]

转置有三种方法：
1.使用"T"方法
2.使用"transpose"方法
3.使用"swapaxes"方法