numpy中的transpose函式使用方法

二維矩陣的transpose函式：

不曉得該怎麼起頭，直接上乾貨。

transpose（）簡單來說，就相當於數學中的轉置，在矩陣中，轉置就是把行與列相互調換位置；

例如：隨機生成乙個三行五列的二維矩陣：

arr = np.arange(15).reshape((3, 5))   

arr 
array([[ 0, 1, 2, 3, 4], 
[ 5, 6, 7, 8, 9], 
[10, 11, 12, 13, 14]])
>> arr.t
array([[ 0,  5, 10]，
[ 1,  6, 11],
[ 2,  7, 12],  
[ 3,  8, 13], 
[ 4,  9, 14]])

元素第0個位置表示0；第乙個位置表示1，以此類推；總共是15個數；

然後arr.t相當於矩陣的轉置；

transpose（x，y）函式和矩陣的轉置是乙個意思，相當於行為x軸，列為y軸，x軸和y軸調換了位置；

x軸用0表示，y軸用1表示；

例如：如果transport（1，0）表示行與列調換了位置；

>> arr.transpose(1, 0)    

array([[ 0, 5, 10], 
[ 1, 6, 11], 
[ 2, 7, 12], 
[ 3, 8, 13], 
[ 4, 9, 14]])

前面我們講了二維矩陣的transpose函式其實是和矩陣的轉置是乙個概念；現在我們來講一下三維張量；

三維張量顧名思義，它有三個維度；相當於有x軸，y軸，z軸；三個軸之間的相互轉換；

同樣，x軸用0表示，y軸用1表示；z軸用2來表示；

arr = np.arange(24).reshape((2, 3, 4))  

arr 
array([[[ 0, 1, 2, 3], 
[ 4, 5, 6, 7], 
[ 8, 9, 10, 11]], 
[[12, 13, 14, 15], 
[16, 17, 18, 19], 
[20, 21, 22, 23]]])

每個軸之間變換和表示也各不相同：

transpose（1，0，2）表示x軸與y軸發生變換之後；

import

numpy as np
arr = np.arange(24).reshape((2,3,4))
vc = arr.transpose(1,0,2)
print
(vc)
>>>結果
[[[ 0 1 2 3]
[12 13 14 15]]
[[ 4 5 6 7]
[16 17 18 19]]
[[ 8 9 10 11]
[20 21 22 23]]]

import

numpy as np
arr = np.arange(24).reshape((2,3,4))
vc = arr.transpose(0,2,1)
print
(vc)
[[[ 0 4 8]
[ 1 5 9]
[ 2 6 10]
[ 3 7 11]]
[[12 16 20]
[13 17 21]
[14 18 22]
[15 19 23]]]

import

numpy as np
arr = np.arange(24).reshape((2,3,4))
vc = arr.transpose(2,1,0)
print
(vc)
[[[ 0 12]
[ 4 16]
[ 8 20]]
[[ 1 13]
[ 5 17]
[ 9 21]]
[[ 2 14]
[ 6 18]
[10 22]]
[[ 3 15]
[ 7 19]
[11 23]]]

Numpy中的函式

生成用函式 效果np.array x 將輸入資料轉化為乙個ndarray np.array x,dtype 將輸入資料轉化為乙個型別為type的ndarray np.asarray array 將輸入資料轉化為乙個新的 copy ndarray np.ones n 生成乙個n長度的一維全一ndarr...

Numpy中的transpose函式

transpose 的操作物件是矩陣。我們用乙個例子來說明這個函式 0 1 2 3 4 5 6 7 這是乙個shape為 2，2，2 的矩陣，現在對它進行transpose操作。首先我們對矩陣的維度進行編號，上述矩陣有三個維度，則編號分別為0，1，2，而transpose函式的引數輸入就是基於這個編...

numpy中的陣列切片

如同python中自帶的切片，numpy中也有類似的切片功能。接下來對兩個功能進行一下簡單的對比。首先測試python自帶的功能，在shell視窗中測試如下 in 1 data range 10 in 2 data out 2 0,1,2,3,4,5,6,7,8,9 in 3 data1 data ...