转置(.T或者transpose)与轴对换(transpose)

感谢博主的启发：原博客链接

1、.T适用于一维、二维数组

In [1]: import numpy as npIn [2]: arr = np.arange(20).reshape(4,5)    #生成一个4行5列的数组In [3]: arrOut[3]:array([[ 0,  1,  2,  3,  4],       [ 5,  6,  7,  8,  9],       [10, 11, 12, 13, 14],       [15, 16, 17, 18, 19]])In [4]: arr.T #求转置Out[4]:array([[ 0,  5, 10, 15],       [ 1,  6, 11, 16],       [ 2,  7, 12, 17],       [ 3,  8, 13, 18],       [ 4,  9, 14, 19]])

2、numpy.transpose(a, axes=None)

Permute the dimensions of an array. 变更的数组的维度

Parameters:
a : 数组.
axes : list of ints, optional. By default, reverse the dimensions, otherwise permute the axes according to the values given.
Returns:
p : ndarray a with its axes permuted.
（注意：当对于一维、二维数组时，此方法与.T相似；其特点在于针对多维数组）
对于高维数组，transpose需要用到一个由轴编号组成的元组，才能进行转置。对多维数组来说，确定最底层的一个基本元素位置需要用到的索引个数即是维度

范例

# 二维数组的维度变换，等价于转置  .T>>> x = np.arange(4).reshape((2,2))  >>> xarray([[0, 1],       [2, 3]])>>> np.transpose(x)array([[0, 2],       [1, 3]])# 高维数组>>> arr = np.arange(12).reshape(2,2,3)array([[[ 0,  1,  2],        [ 3,  4,  5]],       [[ 6,  7,  8],        [ 9, 10, 11]]])arr1.shape #看形状(2, 2, 3) #说明这是一个2*2*3的数组（矩阵），返回的是一个元组，可以对元组进行索引，也就是0,1,2# 开始转置>>> arr.transpose((1,0,2)) # 可见，轴0与轴1进行了位置变换，各个元素根据索引和shape进行变换array([[[ 0,  1,  2],        [ 6,  7,  8]],       [[ 3,  4,  5],        [ 9, 10, 11]]]) # 解析：数值6开始的索引是[1,0,0]，变换后变成了[0,1,0]>>> arr.transpose((2,1,0)) [[[ 0  6]  [ 3  9]] [[ 1  7]  [ 4 10]] [[ 2  8]  [ 5 11]]]# 解析：数值6开始的索引是[1,0,0]，变换后变成了[0,0,1]

形状 索引 2 0 2 1 3 2

transpose参数的真正意义在于这个shape元组的索引，它依赖于shape