本文主要是介绍numpy基础之transpose，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
1 numpy基础之transpose
用法
ndarray.transpose(*axes)
描述
根据axes将ndarray数组进行转置。
入参
axes：可选，元组或列表。若指定，则元素个数必须为数组轴大小(ndarray.ndim)，元素值的范围为[0,1,2,…,ndarray.ndim-1]，返回数组的第i个轴对应输入的轴编号。未指定，默认为range(ndarray.ndim)[::-1]，即将ndarray数组的轴进行翻转。
比如，ar的轴大小为5，那么，axes的元素个数为5，值为0/1/2/3/4，ar.transpose([2,3,4,0,1])返回数组的第0轴取ar数组的第2个轴的数据，第1轴取ar数组的第3个轴的数据。
出参
返回转置后的数组，不改变原数组。
1.1 一维数组调用transpose
描述
一维数组只有1个轴，通过transpose()转置后与本身相等。
示例
>>> import numpy as np
>>> ar1=np.arange(6)
>>> ar1
array([0, 1, 2, 3, 4, 5])
# ndim获取轴数量
>>> ar1.ndim
1
# 一维数组只有1个轴
# 通过transpose()转置后是本身
>>> ar1.transpose()
array([0, 1, 2, 3, 4, 5])
# axes只有1个元素，且为0
# 默认值取 range(ar1.ndim)[::-1]
>>> list(range(ar1.ndim)[::-1])
[0]
>>> ar1.transpose([0])
array([0, 1, 2, 3, 4, 5])
1.2 二维数组调用transpose
描述
二维数组通过transpose()转置后，将原数组的行列转换获得新数组。
示例
>>> import numpy as np
>>> ar2=np.arange(15).reshape((5,3))
>>> ar2
array([[ 0, 1, 2],[ 3, 4, 5],[ 6, 7, 8],[ 9, 10, 11],[12, 13, 14]])
>>> ar2.ndim
2
>>> ar2.shape
(5, 3)
# 二维数组只有2个轴，默认转置将行和列进行转置
>>> ar2.transpose()
array([[ 0, 3, 6, 9, 12],[ 1, 4, 7, 10, 13],[ 2, 5, 8, 11, 14]])
# 转置后形状也转置
>>> ar2.transpose().shape
(3, 5)
# axes 默认值取 range(ar1.ndim)[::-1]
>>> list(range(ar2.ndim)[::-1])
[1, 0]
# [1,0]：第0轴取ar2的第1轴数据
>>> ar2.transpose([1,0])
array([[ 0, 3, 6, 9, 12],[ 1, 4, 7, 10, 13],[ 2, 5, 8, 11, 14]])
1.3 三维数组调用transpose
描述
三维数组等高维数组通过transpose()转换，是对每个元素的索引位置进行转换。
n维数组的最内层的每个元素都可以通过n个索引来唯一标识。
比如三维数组ar3d的最内层的第0个元素可以通过ar3d[0,0,0]标识和获取。
ndarray的shape表示每个轴的元素个数，比如shape为(2,2,4)表示有3个轴，第0轴的元素个数为2，第1轴的元素个数为2，第2轴的元素个数为4，而每个元素都可以用索引标识，所以也表示每个轴的不同索引值的个数。shape为(2,2,4)对应的轴索引为(0,1,2)。
示例
>>> import numpy as np
>>> ar3=np.arange(16).reshape(2,2,4)
# ar3的shape(2,2,4)的轴索引为(0,1,2)
# ndarray的shape表示每个轴的元素个数
>>> ar3
array([[[ 0, 1, 2, 3],[ 4, 5, 6, 7]],[[ 8, 9, 10, 11],[12, 13, 14, 15]]])
# (0,1,2)转为(1,0,2)
# 将第0轴的索引0和第1轴的索引1互换
>>> ar3.transpose((1,0,2))
array([[[ 0, 1, 2, 3],[ 8, 9, 10, 11]],[[ 4, 5, 6, 7],[12, 13, 14, 15]]])
# (0,1,2)转为(2,0,1)
# 先将第0轴的索引0和第1轴的索引1互换，得(1,0,2)
# 再将(1,0,2)第0轴的索引1和第2轴的索引2互换，得(2,0,1)
>>> ar3.transpose((2,0,1))
array([[[ 0, 4],[ 8, 12]],[[ 1, 5],[ 9, 13]],[[ 2, 6],[10, 14]],[[ 3, 7],[11, 15]]])
>>> ar3.transpose((1,0,2)).shape
(2, 2, 4)
>>> ar3.transpose((2,0,1)).shape
(4, 2, 2)
>>> ar3.shape
(2, 2, 4)
三维数组转换，transpose的axes如果无法一步转换，可以通过多步转换来理解。
每个轴上的索引值的不同值的个数表示轴的大小，即shape。
比如transpose((2,0,1))后，第0轴的索引为转换前的2，其中不同索引值有0,1,2,3，索引第0轴的大小为4，依次得出第1轴为2，第2轴为2，最终shape为(4,2,2)。
这篇关于numpy基础之transpose的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
