对numpy中的transpose和swapaxes函数详解

transpose()

这个函数如果括号内不带参数，就相当于转置，和.T效果一样，而今天主要来讲解其带参数。

我们看如下一个numpy的数组：

`arr=np.arange(16).reshape((2,2,4))
arr=
array([[[ 0, 1, 2, 3],
[ 4, 5, 6, 7]],
[[ 8, 9, 10, 11],
[12, 13, 14, 15]]])
`

那么有：

arr.transpose(2,1,0)
array([[[ 0, 8],
 [ 4, 12]],

[[ 1, 9],
 [ 5, 13]],

[[ 2, 10],
 [ 6, 14]],

[[ 3, 11],
 [ 7, 15]]])

为什么会是这样的结果呢，这是因为arr这个数组有三个维度，三个维度的编号对应为(0,1,2),比如这样，我们需要拿到7这个数字，怎么办，肯定需要些三个维度的值，7的第一个维度为0，第二个维度为1，第三个3，所以arr[0,1,3]则拿到了7

arr[0,1,3] #结果就是7

这下应该懂了些吧，好，再回到transpose()这个函数，它里面就是维度的排序，比如我们后面写的transpose(2,1,0)，就是把之前第三个维度转为第一个维度，之前的第二个维度不变，之前的第一个维度变为第三个维度，好那么我们继续拿7这个值来说，之前的索引为[0,1,3]，按照我们的转换方法，把之前的第三维度变为第一维度，之前的第一维度变为第三维度，那么现在7的索引就是(3,1,0)

同理所有的数组内的数字都是这样变得，这就是transpose()内参数的变化。

理解了上面，再来理解swapaxes()就很简单了，swapaxes接受一对轴编号，其实这里我们叫一对维度编号更好吧，比如：

arr.swapaxes(2,1) #就是将第三个维度和第二个维度交换
array([[[ 0, 4],
 [ 1, 5],
 [ 2, 6],
 [ 3, 7]],

[[ 8, 12],
 [ 9, 13],
 [10, 14],
 [11, 15]]])

还是那我们的数字7来说，之前的索引是(0,1,3),那么交换之后，就应该是(0,3,1)

多说一句，其实numpy高维数组的切片也是这样选取维度的。

来源：https://blog.csdn.net/qq1483661204/article/details/70543952