本篇内容介绍了“numpy中的transpose函数如何使用”的有关知识,在实际案例的操作过程中,不少人都会遇到这样的困境,接下来就让小编带领大家学习一下如何处理这些情况吧!希望大家仔细阅读,能够学有所成!
二维矩阵的transpose函数:
不晓得该怎么起头,直接上干货。
transpose()简单来说,就相当于数学中的转置,在矩阵中,转置就是把行与列相互调换位置;
例如:随机生成一个三行五列的二维矩阵:
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]])
reshape的作用是随机生成一个矩阵的行与列;
元素第0个位置表示0;第一个位置表示1,以此类推;总共是15个数;
然后arr.T相当于矩阵的转置;
transpose(X,Y)函数和矩阵的转置是一个意思,相当于行为X轴,列为Y轴,X轴和Y轴调换了位置;
X轴用0表示,Y轴用1表示;
例如:如果transport(1,0)表示行与列调换了位置;
>> arr.transpose(1, 0)
array([[ 0, 5, 10],
[ 1, 6, 11],
[ 2, 7, 12],
[ 3, 8, 13],
[ 4, 9, 14]])
三维张量的transpose函数:
前面我们讲了二维矩阵的transpose函数其实是和矩阵的转置是一个概念;现在我们来讲一下三维张量;
三维张量顾名思义,它有三个维度;相当于有X轴,Y轴,Z轴;三个轴之间的相互转换;
同样,X轴用0表示,Y轴用1表示;Z轴用2来表示;
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]]])
相当于把三维张量也做轴变换,具体操作如下图:
每个轴之间变换和表示也各不相同:
transpose(1,0,2)表示X轴与Y轴发生变换之后;
import numpy as np
arr = np.arange(24).reshape((2,3,4))
vc = arr.transpose(1,0,2)
print(vc)
>>>结果
[[[ 0 1 2 3]
[12 13 14 15]]
[[ 4 5 6 7]
[16 17 18 19]]
[[ 8 9 10 11]
[20 21 22 23]]]
transport(0,2,1):表示Y轴与Z轴发生轴变换之后;
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]]]
transport(2,1,0):表示X轴与Z轴发生轴变换之后;
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]]]