NumPy---numpy.transpose对三维数组的转置

import numpy as np

三维数组

arr1 = np.arange(16).reshape((2, 2, 4))
#[[[ 0  1  2  3]
#  [ 4  5  6  7]]
 
#  [[ 8  9 10 11]
#  [12 13 14 15]]]
 
arr2=arr1.transpose((1,0,2))
#[[[ 0  1  2  3]
#  [ 8  9 10 11]]
#
# [[ 4  5  6  7]
#  [12 13 14 15]]]

正序为（0，1，2），数组为

#[[[ 0  1  2  3]
# [ 4  5  6  7]]

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

tanspose（1，0，2），数组变为

#[[[ 0  1  2  3]
#[ 8  9 10 11]]

# [[ 4  5  6  7]
#  [12 13 14 15]]]

可以看到转置后的数组和转置前的数组的区别就是第一页的第二行和第二页的第一行对换了。
索引与对应值的变换

arr3=arr1.transpose((0,2,1))
 
# [[[ 0  4]
#  [ 1  5]
#  [ 2  6]
#  [ 3  7]]
#
#  [[ 8 12]
#  [ 9 13]
#  [10 14]
#  [11 15]]]
 
arr4=arr1.transpose((2,0,1))
#[[[ 0  4]
#  [ 8 12]]
#
# [[ 1  5]
#  [ 9 13]]
#
# [[ 2  6]
#  [10 14]]
#
# [[ 3  7]
#  [11 15]]]

这里要注意的是，arr4数组变成4页，这是因为页码和行码对换之后，

页码从数量2，变成了4

而行码从数量4，变成了2

arr5=arr1.transpose((2,1,0))
#[[[ 0  8]
#  [ 4 12]]
#
# [[ 1  9]
#  [ 5 13]]
#
# [[ 2 10]
#  [ 6 14]]
#
# [[ 3 11]
#  [ 7 15]]]
 
arr6=arr1.transpose((1,2,0))
#[[[ 0  8]
#  [ 1  9]
#  [ 2 10]
#  [ 3 11]]
#
# [[ 4 12]
#  [ 5 13]
#  [ 6 14]
#  [ 7 15]]]

另外，转置（2，0，1）可以看成，先转置（0，2，1）再转置（1，0，2）

转置（2，1，0）可以看成，先转置（1，0，2），然后转置（0，2，1），最后转置（1，0，2）

转置（1，2，0）可以看成，先转置（1，0，2），在转置（0，2，1）

代码可以写成

python arr4=arr1.transpose(0,2,1).transpose(1,0,2) #[[[ 0 4] # [ 8 12]] # # [[ 1 5] # [ 9 13]] # # [[ 2 6] # [10 14]] # # [[ 3 7] # [11 15]]]

结果一样