numpy交换维度_【numpy】终于搞懂swapaxes和transpose的区别

0.基本情况介绍

numpy作为一个高效率的矩阵计算工具，除了基本的加减乘除以及切片外，还有比较独特的索引功能。索引功能我们比较常见有序号索引以及转置，如下：

import numpy as np
arr = np.arange(20).reshape(4,5)
##
建立了一个4行5列的矩阵

##索引取其中的第4、3、1、2行
arr[[3,2,0,1]]

##获取其转置矩阵
arr.T
##变成了5行4列的矩阵

1.升级

当我们开始遇到多维数组时，题目中提到的transpose和swapaxes就开始发挥作用了。

1.1 transpose 按照多维数组的轴的索引进行变换。

乍一听是不是有点绕，别急，慢慢来。首先我们来了解下多维数组的轴是什么东东？

对于多维数组来说，一个维度就是一个轴。

我们知道一维为一条线，二维为一个平面，三维为一个空间，到四维已经超越了我们人类肉眼能够观测的空间。

• 对于一维数组来说，有一个轴，如 arr1 = np.array([1,2,3,4])，

arr1.ndim = 1 arr1.shape = (4,)

• 对于二维数组来说，有两个轴，如arr2 = np.array([[1,2,3,4],

[5,6,7,8]])，

arr1.ndim = 2 arr2.shape = (2,4)

• 对于三维数组来说，有三个轴，如arr3 = np.array([[[1,2,3,4],

[5,6,7,8]],

[[9,10,11,12],

[13,14,15,16]]])，

arr2.ndim = 3 arr3.shape = (2,2,4)

是否大概对轴有一个直观的了解？

言归正传，对于transpose来说，会将多维数组的轴编号，也就是给各个轴建立索引，我们自设一个三维数组，维数为（2，2，4），有三个轴：

arr = np.arange(16).reshape(2,2,4)

当我们进行变换时，有 arr.transpose(2,1,0),这里就是让索引2变换到了索引0的位置，索引0变到了索引2的位置，索引1保持不变，根据索引的变动，形状也发生相关位置的变化，如下：

这个时候，我们的多维数组就变成了：

1.2 swapaxes 对轴进行两两置换

理解了上面的transpose，应该再理解swapaxes就不难了。swapaxes实际上也是针对轴索引进行变化，区别就在于transpose可以一次搞三个，但是swapaxes只能两两置换。

对于swapaxes来说，括号内的两参数，交换位置和不交换，实际结果相同。

接上例：

arr.swapaxes(1,2)（实际上等价于arr.swapaxes(2,1)），那么原多维数组就变为：

也就是：