Numpy中轉(zhuǎn)置transpose、T和swapaxes的實(shí)例講解

更新時(shí)間：2018年04月17日 15:36:40 作者：秋刀魚的滋味901

下面小編就為大家分享一篇Numpy中轉(zhuǎn)置transpose、T和swapaxes的實(shí)例講解，具有很好的參考價(jià)值，希望對大家有所幫助。一起跟隨小編過來看看吧

利用Python進(jìn)行數(shù)據(jù)分析時(shí)，Numpy是最常用的庫，經(jīng)常用來對數(shù)組、矩陣等進(jìn)行轉(zhuǎn)置等，有時(shí)候用來做數(shù)據(jù)的存儲。

在numpy中，轉(zhuǎn)置transpose和軸對換是很基本的操作，下面分別詳細(xì)講述一下，以免自己忘記。

In [1]: import numpy as np 
 
In [2]: arr=np.arange(16).reshape(2,2,4) 
 
In [3]: arr 
Out[3]: 
array([[[ 0, 1, 2, 3], 
    [ 4, 5, 6, 7]], 
 
    [[ 8, 9, 10, 11], 
    [12, 13, 14, 15]]])

如上圖所示，將0-15放在一個(gè)2 2 4 的矩陣當(dāng)中，得到結(jié)果如上。

現(xiàn)在要進(jìn)行裝置transpose操作，比如

In [4]: arr.transpose(1,0,2) 
Out[4]: 
array([[[ 0, 1, 2, 3], 
    [ 8, 9, 10, 11]], 
 
    [[ 4, 5, 6, 7], 
    [12, 13, 14, 15]]])

結(jié)果是如何得到的呢？

每一個(gè)元素都分析一下，0位置在[0,0,0]，轉(zhuǎn)置為[1,0,2]，相當(dāng)于把原來位置在[0,1,2]的轉(zhuǎn)置到[1,0,2]，對0來說，位置轉(zhuǎn)置后為[0,0,0]，同理，對1 [0,0,1]來說，轉(zhuǎn)置后為[0,0，1]，同理我們寫出所有如下：

其中第一列是值，第二列是轉(zhuǎn)置前位置，第三列是轉(zhuǎn)置后，看到轉(zhuǎn)置后位置，再看如上的結(jié)果，是不是就豁然開朗了？

0 [0,0,0] [0,0,0]
1 [0,0,1] [0,0,1]
2 [0,0,2] [0,0,2]
3 [0,0,3] [0,0,3]
4 [0,1,0] [1,0,0]
5 [0,1,1] [1,0,1]
6 [0,1,2] [1,0,2]
7 [0,1,3] [1,0,3]
8 [1,0,0] [0,1,0]
9 [1,0,1] [0,1,1]
10 [1,0,2] [0,1,2]
11 [1,0,3] [0,1,3]
12 [1,1,0] [1,1,0]
13 [1,1,1] [1,1,1]
14 [1,1,2] [1,1,2]
15 [1,1,3] [1,1,3]

再看另一個(gè)結(jié)果：

In [20]: arr.T
Out[20]:
array([[[ 0, 8],
    [ 4, 12]],
    [[ 1, 9],
    [ 5, 13]],
    [[ 2, 10],
    [ 6, 14]],
    [[ 3, 11],
    [ 7, 15]]])
In [21]: arr.transpose(2,1,0)
Out[21]:
array([[[ 0, 8],
    [ 4, 12]],
    [[ 1, 9],
    [ 5, 13]],
    [[ 2, 10],
    [ 6, 14]],
    [[ 3, 11],
    [ 7, 15]]])

再對比轉(zhuǎn)置前后的圖看一下：

0 [0,0,0] [0,0,0] 
1 [0,0,1] [1,0,0] 
2 [0,0,2] [2,0,0] 
3 [0,0,3] [3,0,0] 
4 [0,1,0] [0,1,0] 
5 [0,1,1] [1,1,0] 
6 [0,1,2] [2,1,0] 
7 [0,1,3] [3,1,0] 
8 [1,0,0] [0,0,1] 
9 [1,0,1] [1,0,1] 
10 [1,0,2] [2,0,1] 
11 [1,0,3] [3,0,1] 
12 [1,1,0] [0,1,1] 
13 [1,1,1] [1,1,1] 
14 [1,1,2] [2,1,1] 
15 [1,1,3] [3,1,1]

瞬間就明白轉(zhuǎn)置了吧！其實(shí)只要?jiǎng)邮謱憣懀己苋菀酌靼椎?。另外T其實(shí)就是把順序全部顛倒過來，如下：

In [22]: arr3=np.arange(16).reshape(2,2,2,2)
In [23]: arr3
Out[23]:
array([[[[ 0, 1],
     [ 2, 3]],
    [[ 4, 5],
     [ 6, 7]]],
    [[[ 8, 9],
     [10, 11]],
    [[12, 13],
     [14, 15]]]])
In [24]: arr3.T
Out[24]:
array([[[[ 0, 8],
     [ 4, 12]],
    [[ 2, 10],
     [ 6, 14]]],
    [[[ 1, 9],
     [ 5, 13]],
    [[ 3, 11],
     [ 7, 15]]]])
In [25]: arr3.transpose(3,2,1,0)
Out[25]:
array([[[[ 0, 8],
     [ 4, 12]],
    [[ 2, 10],
     [ 6, 14]]],
    [[[ 1, 9],
     [ 5, 13]],
    [[ 3, 11],
     [ 7, 15]]]])

轉(zhuǎn)置就是這樣子，具體上面aar3轉(zhuǎn)置前后的位置，就不寫了。

下面說說swapaxes，軸對稱。

話不多，上結(jié)果

In [27]: arr.swapaxes(1,2) 
Out[27]: 
array([[[ 0, 4], 
    [ 1, 5], 
    [ 2, 6], 
    [ 3, 7]], 
 
    [[ 8, 12], 
    [ 9, 13], 
    [10, 14], 
    [11, 15]]]) 
 
In [28]: arr.transpose(0,2,1) 
Out[28]: 
array([[[ 0, 4], 
    [ 1, 5], 
    [ 2, 6], 
    [ 3, 7]], 
 
    [[ 8, 12], 
    [ 9, 13], 
    [10, 14], 
    [11, 15]]])

發(fā)現(xiàn)了吧，其實(shí)swapaxes其實(shí)就是把矩陣中某兩個(gè)軸對換一下，不信再看一個(gè)：

In [29]: arr3
Out[29]:
array([[[[ 0, 1],
     [ 2, 3]],
    [[ 4, 5],
     [ 6, 7]]],
    [[[ 8, 9],
     [10, 11]],
    [[12, 13],
     [14, 15]]]])
In [30]: arr3.swapaxes(1,3)
Out[30]:
array([[[[ 0, 4],
     [ 2, 6]],
    [[ 1, 5],
     [ 3, 7]]],
    [[[ 8, 12],
     [10, 14]],
    [[ 9, 13],
     [11, 15]]]])
In [31]: arr3.transpose(0,3,2,1)
Out[31]:
array([[[[ 0, 4],
     [ 2, 6]],
    [[ 1, 5],
     [ 3, 7]]],
    [[[ 8, 12],
     [10, 14]],
    [[ 9, 13],
     [11, 15]]]])

哈哈，只要?jiǎng)邮肿鲎?，?huì)發(fā)現(xiàn)其實(shí)沒有那么困難，不能只看。

紙上得來終覺淺，絕知此事要躬行！共勉！

以上這篇Numpy中轉(zhuǎn)置transpose、T和swapaxes的實(shí)例講解就是小編分享給大家的全部內(nèi)容了，希望能給大家一個(gè)參考，也希望大家多多支持腳本之家。

您可能感興趣的文章: