numpy数组transpose方法的基本原理

背景：记录一下numpy数组维度顺序操作

一、具体示例

transpose方法用于交换数组的轴，改变数组的维度顺序。方法的参数是一个代表新轴顺序的元组。

假设你有一个三维数组，其形状是 (a, b, c)，即有 a 个块，每个块中有 b 行，每行有 c 列。transpose 方法的参数 (0, 2, 1) 意味着：

• 0 轴保持不变，仍然是 a
• 2 轴变成新的第2个位置（即原来是列的轴，现在变成行的轴）
• 1 轴变成新的第3个位置（即原来是行的轴，现在变成列的轴）

import numpy as np

X = np.random.rand(2, 3, 4)
print("Original shape:", X.shape)

# Original shape: (2, 3, 4)

X 的形状是 (2, 3, 4)，意味着：

• 2个块
• 每个块有3行
• 每行有4列

我们对其应用 transpose(0, 2, 1)：

X_transposed = X.transpose(0, 2, 1)
print("Transposed shape:", X_transposed.shape)

# Transposed shape: (2, 4, 3)

X_transposed 的新形状是 (2, 4, 3)，意味着：

• 2个块（第0个轴保持不变）
• 每个块有4行（原来的列数，现在变成行）
• 每行有3列（原来的行数，现在变成列）

二、对比维度顺序变化

具体变化如下：

• 原始数组（形状 (2, 3, 4)）：

[
  [  # 第一个块
    [x1, x2, x3, x4],  # 第1行
    [x5, x6, x7, x8],  # 第2行
    [x9, x10, x11, x12]  # 第3行
  ],
  [  # 第二个块
    [y1, y2, y3, y4],  # 第1行
    [y5, y6, y7, y8],  # 第2行
    [y9, y10, y11, y12]  # 第3行
  ]
]

• 转置后的数组（形状 (2, 4, 3)）：

[
  [  # 第一个块
    [x1, x5, x9],  # 第1行（原来每列的第1个元素）
    [x2, x6, x10],  # 第2行（原来每列的第2个元素）
    [x3, x7, x11],  # 第3行（原来每列的第3个元素）
    [x4, x8, x12]   # 第4行（原来每列的第4个元素）
  ],
  [  # 第二个块
    [y1, y5, y9],  # 第1行
    [y2, y6, y10],  # 第2行
    [y3, y7, y11],  # 第3行
    [y4, y8, y12]   # 第4行
  ]
]

三、应用场景

在时间序列分析或其他多维数据处理任务中，调整维度顺序可能是为了符合模型的输入格式。例如：

• 在 RNN 或 LSTM 网络中，输入数据通常需要形状为 (batch_size, time_steps, features)，即批量大小、时间步数、特征数。
• 如果数据原始形状是 (batch_size, features, time_steps)，我们需要使用 transpose(0, 2, 1) 将其调整为正确的形状。

通过 transpose(0, 2, 1)，我们可以灵活地调整数据的维度顺序，以适应各种模型和分析方法的需求。