numpy.transpose_python中numpy的用法

今天在网上搜寻了许多博客，始终没有真正理解numpy中的transpose()函数，

transpose 的原理其实是根据维度（shape）索引决定的，举个栗子：

x = np.arange(4).reshape((2,2)) //生成一个2x2的数组
print(x)
[[0 1]   
[2 3]]

我们生成了一个维度为二维的数组，其中有两个索引值（矩阵的行与列）。

transpose()函数的作用就是调换数组的行列值的索引值，类似于求矩阵的转置：

x = np.arange(4).reshape((2,2))
x = np.transpose(x) 
print(x)
[[0 2]
 [1 3]]

我们可以直观的看到，数组的行列索引值对换，1的位置从x(0,1)跑到了x(1,0)。

那么三维数组呢？

我们继续生成一个三维的数组：

x = np.arange(12).reshape((2,2,3))  //生成一个2x2x3的数组
print(x)
[[[ 0  1  2]
  [ 3  4  5]]
 [[ 6  7  8]
  [ 9 10 11]]]

我们从高中数学知道三维由x轴、y轴以及z轴组成。

假设三维数组当中的索引值为x，y，z

transpose()函数的作用就是调换x，y，z的位置，也就是数组的索引值。

所以我们正常的数组索引值为（0，1，2），等于（x，y，z）

我们来看实例代码：

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()函数的第二个参数就是改变索引值的地方
print(x)
[[[ 0  1  2]
  [ 6  7  8]]
 [[ 3  4  5]
  [ 9 10 11]]]

通过transpose()函数改变了x的索引值为（1，0，2），对应（y，x，z）

索引改变后原本y的值和x的值对换了。

有上面代码的数字7为例，原本的7的位置索引为（1,0,1），通过transpose（x，（1，0，2））索引改变为（0，1，1）

无论四维、五维……都可以用这个原理分析。

懂了吧？原理其实很简单对不对！

今天的文章numpy.transpose_python中numpy的用法分享到此就结束了，感谢您的阅读。