Python numpy.transpose 详解（axis坐标轴变换）

文章“Python numpy.transpose 详解”（https://blog.csdn.net/u012762410/article/details/78912667 ）中，对transpose的原理进行了解释，但在阅读过程中，发现该文的图片有误，故现保留其原文文字部分不变，仅对其图片部分进行更正。

前言

看Python代码时，碰见 numpy.transpose 用于高维数组时挺让人费解，通过一番画图分析和代码验证，发现 transpose 用法还是很简单的。

正文

Numpy 文档 numpy.transpose 中做了些解释，transpose 作用是改变序列，下面是一些文档Examples：

代码1：

x = np.arange(4).reshape((2,2))
输出1：
#x 为：
array([[0, 1],
[2, 3]])

代码2：
import numpy as np
x.transpose()

输出2：
array([[0, 2],
[1, 3]])

对于二维 ndarray，transpose在不指定参数是默认是矩阵转置。如果指定参数，有如下相应结果：
代码3：
x.transpose((0,1))

输出3：
#x 没有变化
array([[0, 1],
[2, 3]])

代码4：
x.transpose((1,0))

输出4：
#x 转置了
array([[0, 2],
[1, 3]])

这个很好理解：
对于x，因为：

代码5：
x[0][0] == 0
x[0][1] == 1
x[1][0] == 2
x[1][1] == 3

我们不妨设第一个（下标从左往右最开始那个）第方括号“[]”为 0轴） ，第二个方括号为 1轴 ，则x可在 0-1坐标系下表示如下：

代码6：
因为 x.transpose((0,1)) 表示按照原坐标轴改变序列，也就是保持不变
而 x.transpose((1,0)) 表示交换 ‘0轴’ 和 ‘1轴’，所以就得到如下图所示结果：

注意，任何时候你都要保持清醒，告诉自己第一个方括号“[]”为 0轴 ，第二个方括号为 1轴 ，此时，transpose转换关系就清晰了。

三维数组

我们来看一个三维的：
代码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)

#将A变换为三维矩阵
A = A.reshape(2,2,4)
print(A)

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

我们对上述的A表示成如下三维坐标的形式：

所以对于如下的变换都很好理解啦：
代码8：
A.transpose((0,1,2)) #保持A不变
A.transpose((1,0,2)) #将 0轴 和 1轴 交换

将 0轴 和 1轴 交换：

此时，代码9：
A.transpose((1,0,2))
输出为
[[[ 0 1 2 3]
[ 8 9 10 11]]
[[ 4 5 6 7]
[12 13 14 15]]]

验证 A.transpose((1,0,2))[0][1][2] #根据上图这个结果应该是10。

以上

---