详解Numpy中的transpose方法

最近在学Numpy碰到了关于数组转置和换轴的概念，对tanspose方法有些疑惑，尤其是多维，查了不少资料，终于搞懂了。

Numpy数组的轴（axis）

所谓的**轴（axis）**可以理解为数组的维度。

具体而言，二维数组就是有两个维度，如果从空间上看，它就是一个平面，由x轴和y轴构成，而与此相对应的，该二维数组就有两个轴，x轴对应0轴，y轴对应1轴。

同理，三维数组有三个维度，空间上有x轴、y轴和z轴构成，与此对应，该三维数组有三个轴，x轴对应0轴，y轴对应1轴，z轴对应2轴。更高维度的数组以此类推。

transpose函数的作用

transpose函数实际上就是通过改变轴的相对位置来调整数组的结构。

例如：

在二维数组中，transpose函数的作用相当于转置：

x = np.arange(4).reshape((2,2)) #默认轴的相对位置为0，1
print(x)
#输出结果
[[0 1]   
 [2 3]]

利用transpose函数

x = np.arange(4).reshape((2,2))
x = np.transpose((1,0)) #现在轴的相对位置为1，0
print(x)
#输出结果
[[0 2] 
 [1 3]]

原来的二维数组有两个轴：x和y轴，分别对应0轴和1轴，现在将0轴和1轴位置交换，实际上就是将x轴和y轴交换，对于二维数组来说，就是转置操作。

二维很好理解，下面我们来看三维。

arr = np.arange(16).reshape((2,2,4)) #默认轴相对位置为0，1，2
print(arr)
#输出结果
[[[ 0,  1,  2,  3],
  [ 4,  5,  6,  7]],
 [[ 8,  9, 10, 11],
  [12, 13, 14, 15]]])

利用transpose函数：

arr.transpose((1,0,2)) #现在轴的相对位置为1，0，2
#结果
[[[ 0,  1,  2,  3],
  [ 8,  9, 10, 11]],
 [[ 4,  5,  6,  7],
  [12, 13, 14, 15]]])

上面的操作实际是将x轴（0轴）与y轴（1轴）互换。
具体拿数字举例，原数组中的5的索引为（0，1，1），transpose操作后将x轴（0轴）与y轴（1轴）互换，5的索引变为（1，0，1），其他数字同理。

四维、五维等更高维度的也是如此。