numpy中的轉置(transpose)和軸對換
阿新 • • 發佈:2019-01-05
轉置(transpose)和軸對換
轉置可以對陣列進行重置,返回的是源資料的檢視(不會進行任何複製操作)。
轉置有三種方式,
transpose
方法、T
屬性以及swapaxes
方法。
1 .T,適用於一、二維陣列
In [1]: import numpy as np
In [2]: arr = np.arange(20).reshape(4,5)#生成一個4行5列的陣列
In [3]: arr
Out[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 #求轉置
Out[4]:
array([[ 0, 5, 10, 15],
[ 1, 6, 11, 16],
[ 2, 7, 12, 17],
[ 3, 8, 13, 18],
[ 4, 9, 14, 19]])
2. 高維陣列
對於高維陣列,transpose需要用到一個由軸編號組成的元組,才能進行轉置。
這裡,著實好好理解了一下。開始的時候怎麼都想不明白。因為他跟矩陣轉置理解起來不太一樣。
對多維陣列來說,確定最底層的一個基本元素位置需要用到的索引個數即是維度
我是這樣的理解的,比如說三維的陣列,那就對維度進行編號,也就是0,1,2。這樣說可能比較抽象。這裡的0,1,2可以理解為對shape
返回元組的索引。
比如:
In [59]: arr1 = np.arange(12).reshape(2,2,3)
In [60]: arr1
Out[60]:
array([[[ 0, 1, 2],
[ 3, 4, 5]],
[[ 6, 7, 8],
[ 9, 10, 11]]])
In [61]: arr1.shape #看形狀
Out[61]: (2, 2 , 3) #說明這是一個2*2*3的陣列(矩陣),返回的是一個元組,可以對元組進行索引,也就是0,1,2
形狀 | 索引 |
---|---|
2 | 0 |
2 | 1 |
3 | 2 |
所以說,transpose
引數的真正意義在於這個shape
元組的索引。
那麼它的轉置就應該是
In [62]: arr1.transpose((1,0,2))
Out[62]:
array([[[ 0, 1, 2],
[ 6, 7, 8]],
[[ 3, 4, 5],
[ 9, 10, 11]]])
比如,數值6開始的索引是[1,0,0]
,變換後變成了[0,1,0]
。
這也說明了,transpose
依賴於shape
。
但是,對於為什麼轉置最後一個索引是不動的,頗為不解。陣列或者說矩陣的這塊有點太抽象了。雖然我線代成績不錯,但是這玩意不太一樣啊。
3.swapaxes
雖然還有點不解的地方,但是,理解了上方那部分之後,swapaxes
方法也就很好理解了。它接受一對軸編號。進行軸對換。其實也就是shape
引數。
In [67]: arr2 = np.arange(16).reshape(2,2,4)
In [68]: arr2
Out[68]:
array([[[ 0, 1, 2, 3],
[ 4, 5, 6, 7]],
[[ 8, 9, 10, 11],
[12, 13, 14, 15]]])
In [69]: arr2.shape
Out[69]: (2, 2, 4)
In [70]: arr2.swapaxes(1,2)
Out[70]:
array([[[ 0, 4],
[ 1, 5],
[ 2, 6],
[ 3, 7]],
[[ 8, 12],
[ 9, 13],
[10, 14],
[11, 15]]])
In [4]: arr2.swapaxes(1,0)#轉置,對比transpose(1,0,2)
Out[4]:
array([[[ 0, 1, 2, 3],
[ 8, 9, 10, 11]],
[[ 4, 5, 6, 7],
[12, 13, 14, 15]]])