numpy中的transpose函数中具体使用方法

二维矩阵的transpose函数：

不晓得该怎么起头，直接上干货。

transpose（）简单来说，就相当于数学中的转置，在矩阵中，转置就是把行与列相互调换位置；

例如：随机生成一个三行五列的二维矩阵：

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

reshape的作用是随机生成一个矩阵的行与列；

元素第0个位置表示0；第一个位置表示1，以此类推；总共是15个数；

然后arr.T相当于矩阵的转置；

transpose（X，Y）函数和矩阵的转置是一个意思，相当于行为X轴，列为Y轴，X轴和Y轴调换了位置；

X轴用0表示，Y轴用1表示；

例如：如果transport（1，0）表示行与列调换了位置；

>> arr.transpose(1, 0)    
 array([[ 0,  5, 10],        
           [ 1,  6, 11],        
           [ 2,  7, 12],      
           [ 3,  8, 13],        
           [ 4,  9, 14]])

三维张量的transpose函数：

前面我们讲了二维矩阵的transpose函数其实是和矩阵的转置是一个概念；现在我们来讲一下三维张量；

三维张量顾名思义，它有三个维度；相当于有X轴，Y轴，Z轴；三个轴之间的相互转换；

同样，X轴用0表示，Y轴用1表示；Z轴用2来表示；

arr = np.arange(24).reshape((2, 3, 4))  
arr  
array([[[ 0,  1,  2,  3],        
           [ 4,  5,  6,  7],        
           [ 8,  9, 10, 11]],        
          [[12, 13, 14, 15],        
           [16, 17, 18, 19],        
           [20, 21, 22, 23]]])

相当于把三维张量也做轴变换，具体操作如下图：

每个轴之间变换和表示也各不相同：

transpose（1，0，2）表示X轴与Y轴发生变换之后；

import numpy as np
arr = np.arange(24).reshape((2,3,4))
vc = arr.transpose(1,0,2)
print(vc)
>>>结果
[[[ 0  1  2  3]
 [12 13 14 15]]

[[ 4  5  6  7]
 [16 17 18 19]]

[[ 8  9 10 11]
 [20 21 22 23]]]

transport（0，2，1）：表示Y轴与Z轴发生轴变换之后；

import numpy as np
arr = np.arange(24).reshape((2,3,4))
vc = arr.transpose(0,2,1)
print(vc)
[[[ 0  4  8]
 [ 1  5  9]
 [ 2  6 10]
 [ 3  7 11]]

[[12 16 20]
 [13 17 21]
 [14 18 22]
 [15 19 23]]]

transport（2，1，0）：表示X轴与Z轴发生轴变换之后；

import numpy as np
arr = np.arange(24).reshape((2,3,4))
vc = arr.transpose(2,1,0)
print(vc)
[[[ 0 12]
 [ 4 16]
 [ 8 20]]

[[ 1 13]
 [ 5 17]
 [ 9 21]]

[[ 2 14]
 [ 6 18]
 [10 22]]

[[ 3 15]
 [ 7 19]
 [11 23]]]

来源：https://www.cnblogs.com/caizhou520/p/11227986.html