numpy.transpose对三维数组的转置方法
更新时间：2018年04月17日 15:20:39 作者：LeonJin_
下面小编就为大家分享一篇numpy.transpose对三维数组的转置方法，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
如下所示：
import numpy as np
三维数组
arr1 = np.arange(16).reshape((2, 2, 4)) #[[[ 0 1 2 3] # [ 4 5 6 7]] # [[ 8 9 10 11] # [12 13 14 15]]] arr2=arr1.transpose((1,0,2)) #[[[ 0 1 2 3] # [ 8 9 10 11]] # # [[ 4 5 6 7] # [12 13 14 15]]]
正序为（0，1，2），数组为
#[[[ 0 1 2 3] # [ 4 5 6 7]] # [[ 8 9 10 11] # [12 13 14 15]]]
为什么进过tanspose（1，0，2），数组变为
#[[[ 0 1 2 3] # [ 8 9 10 11]] # # [[ 4 5 6 7] # [12 13 14 15]]]
仔细观察之后，可以看到转置后的数组和转置前的数组的区别就是第一页的第二行和第二页的第一行对换了，可是为什么？
当我用arr1[0,1,0]，索引值为4
当我用arr2[1,0,0]，索引值为4
对比索引参数表的变化和正序和转置序的不同似乎存在某种联系
对于arr1数组，索引参数表[0，0，x]可以表示第一页的第一行，当前两个参数对换之后，同一个元素的索引参数表并没有变化
故arr2的第一页第一行和arr1的第一页第一行相同
对于arr1数组，索引参数表[0，1，x]可以表示第一页第二行，当前两个参数对换之后，同一个元素的索引值比如[0，1，0]变为[1，0，0]，
这就是解释了索引值4的索引参数表的不同
大概就是这个思路所以transpose(1,0,2)，数组的第一页第二行和第二页第一行对换
后面的四种转置方式也大致是这个思路，仔细观察一下，理解起来应该不难
arr3=arr1.transpose((0,2,1)) # [[[ 0 4] # [ 1 5] # [ 2 6] # [ 3 7]] # # [[ 8 12] # [ 9 13] # [10 14] # [11 15]]] arr4=arr1.transpose((2,0,1)) #[[[ 0 4] # [ 8 12]] # # [[ 1 5] # [ 9 13]] # # [[ 2 6] # [10 14]] # # [[ 3 7] # [11 15]]]
这里要注意的是，arr4数组变成4页，这是因为页码和行码对换之后，
页码从数量2，变成了4
而行码从数量4，变成了2
arr5=arr1.transpose((2,1,0)) #[[[ 0 8] # [ 4 12]] # # [[ 1 9] # [ 5 13]] # # [[ 2 10] # [ 6 14]] # # [[ 3 11] # [ 7 15]]] arr6=arr1.transpose((1,2,0)) #[[[ 0 8] # [ 1 9] # [ 2 10] # [ 3 11]] # # [[ 4 12] # [ 5 13] # [ 6 14] # [ 7 15]]]
另外，转置（2，0，1）可以看成，先转置（0，2，1）再转置（1，0，2）
转置（2，1，0）可以看成，先转置（1，0，2），然后转置（0，2，1），最后转置（1，0，2）
转置（1，2，0）可以看成，先转置（1，0，2），在转置（0，2，1）
代码可以写成
arr4=arr1.transpose(0,2,1).transpose(1,0,2)
#[[[ 0 4] # [ 8 12]] # # [[ 1 5] # [ 9 13]] # # [[ 2 6] # [10 14]] # # [[ 3 7] # [11 15]]]
结果一样！
以上这篇numpy.transpose对三维数组的转置方法就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持脚本之家。
相关文章
在本篇内容里小编给各位整理的是一篇关于python判断all函数输出结果是否为true的方法，有需要的朋友们可以学习下。2020-12-12
Python提供了一些内建的库以支持各种常见的编程任务，Contextlib库是其中之一，它提供了一些用于支持上下文管理协议（即with语句）的函数，这篇文章将详细介绍如何使用Contextlib库中的功能,需要的朋友可以参考下2023-06-06
这篇文章主要介绍了python飞机大战pygame碰撞检测实现方法,结合实例形式分析了Python使用pygame实现飞机大战游戏中碰撞检测的原理与相关操作技巧,需要的朋友可以参考下2019-12-12
对Python生成汉字字库文字,以及转换为文字图片的实例详解
今天小编就为大家分享一篇对Python生成汉字字库文字,以及转换为文字图片的实例详解，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2019-01-01
这篇文章主要介绍了Python 跨.py文件调用自定义函数说明，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2020-06-06
vim自动补全插件YouCompleteMe(YCM)安装过程解析
这篇文章主要介绍了vim自动补全插件YouCompleteMe(YCM)安装过程解析,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下2019-10-10
这篇文章主要介绍了django queryset相加和筛选教程，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2020-05-05
Pandas 处理数据的效率还是很优秀的，相对于大规模的数据集只要掌握好正确的方法，就能让在数据处理时间上节省很多很多的时间。本文为大家汇总了一些Pandas数据处理加速技巧，需要的可以参考一下2022-04-04
这篇文章主要介绍了python如何在文件中部插入信息问题，具有很好的参考价值，希望对大家有所帮助。如有错误或未考虑完全的地方，望不吝赐教2022-11-11
numpy是一个在Python中做科学计算的基础库,重在数值计算,也是大部分Python科学计算库的基础库,多用于大型、多维数据上执行数值计算,下面这篇文章主要给大家介绍了关于Numpy np.array()函数使用方法指南的相关资料,需要的朋友可以参考下2022-12-12
最新评论