python transpose()处理高维度数组的轴变换的实现

矩阵的转置操作

我们给出例子，来看看 transpose( ) 函数是如何应用在矩阵转置操作中的。

# numpy.transpose() 转置操作
import numpy as np
a = np.arange(12).reshape(3, 4)
print('原数组:\n{},原数组的尺寸:{}\n'.format(a, a.shape))
print('转置数组:\n{},转置数组的尺寸:{}\n'.format(np.transpose(a), np.transpose(a).shape))

打印结果： 

原数组:
[[ 0  1  2  3]
 [ 4  5  6  7]
 [ 8  9 10 11]],原数组的尺寸:(3, 4)
 
转置数组:
[[ 0  4  8]
 [ 1  5  9]
 [ 2  6 10]
 [ 3  7 11]],转置数组的尺寸:(4, 3)

transpose高维度数组轴变换

transpose() 也可以用于numpy中高维度数组的轴变换，以三维数组来举例：transpose()括号中传入的参数通常为0，1，2，可以将0看作0轴，1看作1轴，2看作2轴。 transpose的括号中的参数代表的就是数组的维度。transpose(0,1,2) 表示三个维度不发生交换，还是原来的数组；transpose(1,0,2) 表示第0维度和第1维度发生交换。
使用方法        初始化一个 shape 为 (2, 3, 4) 的高维数组，如下代码所示：

import numpy as np
arr = np.arange(0, 24).reshape(2, 3, 4)
print(arr.shape) # shape:(2, 3, 4)

方法1： 

arr0_1_2 = arr.transpose(0, 1, 2)
arr1_0_2 = arr.transpose(1, 0, 2)
print(arr0_1_2.shape) # shape:(2, 3, 4)
print(arr1_0_2.shape) # shape:(3, 2, 4)

我们看到，在对原数组 arr 进行transpose(0, 1, 2) 操作之后得到一个新的数组arr0_1_2，arr0_1_2 的 shape 与 arr 的 shape一致；而对原数组 arr 进行transpose(1, 0, 2) 操作之后得到的数组arr1_0_2 的 shape 与 arr 的 shape不一致，arr1_0_2的shape为 (3, 2, 4)。

方法2：

# 方法2
arr0_1_2 = np.transpose(arr, (0, 1, 2))
arr1_0_2 = np.transpose(arr, (1, 0, 2))
print(arr0_1_2.shape) # shape:(2, 3, 4)
print(arr1_0_2.shape) # shape:(3, 2, 4)

我们把原数组arr的每一个值打印出来，如下所示。

print('原数组:\n{},原数组的尺寸:{}\n'.format(arr, arr.shape))
print('转置数组:\n{},转置数组的尺寸:{}\n'.format(arr.transpose(1, 0, 2), arr.transpose(1, 0, 2).shape))

 原数组:
[[[ 0  1  2  3]
  [ 4  5  6  7]
  [ 8  9 10 11]]
 
 [[12 13 14 15]
  [16 17 18 19]
  [20 21 22 23]]],原数组的尺寸:(2, 3, 4)
 
转置数组:
[[[ 0  1  2  3]
  [12 13 14 15]]
 
 [[ 4  5  6  7]
  [16 17 18 19]]
 
 [[ 8  9 10 11]
  [20 21 22 23]]],转置数组的尺寸:(3, 2, 4)

到此这篇关于python transpose()处理高维度数组的轴变换的实现的文章就介绍到这了,更多相关python transpose() 轴变换内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！

最新评论