今天在網上搜尋了許多博客，始終沒有真正理解numpy中的transpose()函數，
transpose 的原理其實是根據維度（shape）索引決定的，舉個栗子：
x = np.arange(4).reshape((2,2)) //生成一個2x2的數組
print(x)
[[0 1]
[2 3]]
我們生成了一個維度為二維的數組，其中有兩個索引值（矩陣的行與列）。
transpose()函數的作用就是調換數組的行列值的索引值，類似於求矩陣的轉置：
x = np.arange(4).reshape((2,2))
x = np.transpose(x)
print(x)
[[0 2]
[1 3]]
我們可以直觀的看到，數組的行列索引值對換，1的位置從x(0,1)跑到了x(1,0)。
那么三維數組呢？
我們繼續生成一個三維的數組：
x = np.arange(12).reshape((2,2,3)) //生成一個2x2x3的數組
print(x)
[[[ 0 1 2]
[ 3 4 5]]
[[ 6 7 8]
[ 9 10 11]]]
我們從高中數學知道三維由x軸、y軸以及z軸組成。
假設三維數組當中的索引值為x，y，z
transpose()函數的作用就是調換x，y，z的位置，也就是數組的索引值。
所以我們正常的數組索引值為（0，1，2），等於（x，y，z）
我們來看實例代碼：
x = np.arange(12).reshape((2,2,3))
print(x)
[[[ 0 1 2]
[ 3 4 5]]
[[ 6 7 8]
[ 9 10 11]]]
x = np.transpose(x,(1,0,2)) //transpose()函數的第二個參數就是改變索引值的地方
print(x)
[[[ 0 1 2]
[ 6 7 8]]
[[ 3 4 5]
[ 9 10 11]]]
通過transpose()函數改變了x的索引值為（1，0，2），對應（y，x，z）
索引改變后原本y的值和x的值對換了。
有上面代碼的數字7為例，原本的7的位置索引為（1,0,1），通過transpose（x，（1，0，2））索引改變為（0，1，1）
無論四維、五維……都可以用這個原理分析。
懂了吧？原理其實很簡單對不對！
對矩陣內的每一個元素都執行這樣的運算就可以了
同理swapaxes()也是這樣的操作,需要傳入兩個軸的編號.swapaxes也是返回源數據的視圖(不會進行任何復制操作)
————————————————
版權聲明：本文為CSDN博主「DeepGym」的原創文章，遵循 CC 4.0 BY-SA 版權協議，轉載請附上原文出處鏈接及本聲明。
原文鏈接：https://blog.csdn.net/qq_37377691/article/details/80086480