Python numpy.transpose 詳解

前言

看Python代碼時，碰見 numpy.transpose 用於高維數組時挺讓人費解，通過一番畫圖分析和代碼驗證，發現 transpose 用法還是很簡單的。

正文

Numpy 文檔 numpy.transpose 中做了些解釋，transpose 作用是改變序列，下面是一些文檔Examples：

---

代碼1：

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

輸出1：

#x 為： array([[0, 1], [2, 3]])

代碼2：

import numpy as np x.transpose()

輸出2：

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

對於二維 ndarray，transpose在不指定參數是默認是矩陣轉置。如果指定參數，有如下相應結果： 
代碼3：

x.transpose((0,1))

輸出3：

# x 沒有變化 array([[0, 1], [2, 3]])

代碼4：

x.transpose((1,0))

輸出4：

# x 轉置了 array([[0, 2], [1, 3]])

這個很好理解： 
對於x，因為：

代碼5：

x[0][0] == 0 x[0][1] == 1 x[1][0] == 2 x[1][1] == 3

我們不妨設第一個方括號“[]”為 0軸 ，第二個方括號為 1軸 ，則x可在 0-1坐標系 下表示如下： 

代碼6：

因為 x.transpose((0,1)) 表示按照原坐標軸改變序列，也就是保持不變 而 x.transpose((1,0)) 表示交換 ‘0軸’ 和 ‘1軸’，所以就得到如下圖所示結果：

注意，任何時候你都要保持清醒，告訴自己第一個方括號“[]”為 0軸 ，第二個方括號為 1軸 
此時，transpose轉換關系就清晰了。

---

我們來看一個三維的： 
代碼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) # 將A變換為三維矩陣 A = A.reshape(2,2,4) print(A)

輸出7：

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

我們對上述的A表示成如下三維坐標的形式：

所以對於如下的變換都很好理解啦： 
代碼8：

A.transpose((0,1,2)) #保持A不變 A.transpose((1,0,2)) #將 0軸 和 1軸 交換

將 0軸 和 1軸 交換：

此時，輸出

代碼9：

A.transpose((1,0,2)) [0][1][2] #根據上圖這個結果應該是10

后面不同的參數以此類推。

完。