ndarray的转置(numpy.transpose()与A.T命令对比分析)

ndarray的转置(transpose)

对于A是由np.ndarray表示的情况：

可以直接使用命令A.T。

也可以使用命令A.transpose()。

A.T 与 A.transpose()对比

结论

在默认情况下，两者效果相同，但transpose()可以指定交换的axis维度。

对于一维数组，两者均不改变，返回原数组。

对于二维数组，默认进行标准的转置操作。

对于多维数组A,A.shape为(a,b,c,d,...,n)，则转置后的shape为(n,...,d,c,b,a)，即逆序。

对于.transpose()，可以指定转置后的维度。

语法：A.transpose((axisOrder1,...,axisOrderN))，其效果等同于np.transpose(A,(axisOrder1,...,axisOrderN)),(axisOrder)中是想要得到的索引下标顺序。

效果详见例子。

Example 

二维默认情况下：

A = np.array([[1,2],[3,4]])
print(A)
print(A.T)
print(A.transpose())

结果如下：

多维默认情况下：

a = np.array([[[1,2,3,4],[4,5,6,7]],[[2,3,4,5],[5,6,7,8]],[[3,4,5,6],[4,5,6,7]]])
print(a.shape)
print(a.T.shape)
print(a.transpose().shape)

结果如下：

指定维度情况：

a = np.array([[[1,2,3,4],[4,5,6,7]],[[2,3,4,5],[5,6,7,8]],[[3,4,5,6],[4,5,6,7]]])
print(a.shape)
print(a.transpose(1,2,0).shape)
A = np.transpose(a,(1,2,0))
print(A.shape)

结果如下：

从截图中可以看出，a.transpose(1,2,0)与np.transpose(a,(1,2,0))效果相同。

代码段中给出的axes是(1,2,0)，这决定了transpose后的数组，其shape在第一个维度即shape[0]上是原来的shape[1]，第二维shape[1]是原来的shape[2]，第三维shape[2]是原来的shape[0]。

所以原shape为(3,2,4)。新的shape为(2,4,3)。

总结

以上为个人经验，希望能给大家一个参考，也希望大家多多支持脚本之家。