«

numpy中的transpose函数如何使用

时间:2024-3-8 21:37     作者:韩俊     分类: Python


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]]]

标签: python

热门推荐