transpose的原理是根据维度shape索引决定的

文章目录

二维数组

生成一个2*2的数组

arr = np.arange(4).reshape((2,2))
arr


我们生成了一个维度为2的二维数组，其中有两个索引值：矩阵的行和列

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

arr.transpose()


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

三维数组

我们继续生成一个三维数组

x = np.arange(12).reshape((2,2,3))
x


我们由高中数学知道
三维是由x，y，z轴组成的
假设三维数组中的索引值为x，y，z
transpose（）函数的作用就是调换x，y，z轴的位置，也就是数组的索引值
所以我们正常的三维数组的索引值为（0,1，2）相当于（x，y，z）
刚刚的三维数组是

我们使用reanspose函数

x = np.transpose(x,(1,0,2))
x

就相当于原来x轴的值和y轴的值进行了对换

那为什么结果是这样的呢
举个例子
按原来的x

数字5 的索引是多少？
是

x[0,1,2]

接下来使用了transpose函数将三维的（0,1，2）变为（1,0,2）
因此数字5的索引也变了由x[0,1,2]变为x[1,0,2]
而x[1,0,2]是数字8
所以数字8和数字5的位置变了

综上无论四维，五维。。。都可以以这个思路分析
是不是很简单？