首页 >编程 >正文

ndarray的转置(numpy.transpose()与A.T命令对比分析)

这篇文章主要介绍了ndarray的转置(numpy.transpose()与A.T命令对比分析),具有很好的参考价值,希望对大家有所帮助。如有错误或未考虑完全的地方,望不吝赐教

ndarray的转置(transpose)

对于A是由np.ndarray表示的情况:

可以直接使用命令A.T

也可以使用命令A.transpose()

A.T 与 A.transpose()对比

结论

在默认情况下,两者效果相同,但transpose()可以指定交换的axis维度。

对于一维数组,两者均不改变,返回原数组。

对于二维数组,默认进行标准的转置操作。

对于多维数组A,A.shape(a,b,c,d,...,n),则转置后的shape(n,...,d,c,b,a),即逆序。

对于.transpose(),可以指定转置后的维度。

语法:A.transpose((axisOrder1,...,axisOrderN)),其效果等同于np.transpose(A,(axisOrder1,...,axisOrderN)),(axisOrder)中是想要得到的索引下标顺序。

效果详见例子。

Example

二维默认情况下:

A = np.array([[1,2],[3,4]])
print(A)
print(A.T)
print(A.transpose())

结果如下:

ndarray的转置(numpy.transpose()与A.T命令对比分析)

多维默认情况下:

a = np.array([[[1,2,3,4],[4,5,6,7]],[[2,3,4,5],[5,6,7,8]],[[3,4,5,6],[4,5,6,7]]])
print(a.shape)
print(a.T.shape)
print(a.transpose().shape)

结果如下:

ndarray的转置(numpy.transpose()与A.T命令对比分析)

指定维度情况:

a = np.array([[[1,2,3,4],[4,5,6,7]],[[2,3,4,5],[5,6,7,8]],[[3,4,5,6],[4,5,6,7]]])
print(a.shape)
print(a.transpose(1,2,0).shape)
A = np.transpose(a,(1,2,0))
print(A.shape)

结果如下:

ndarray的转置(numpy.transpose()与A.T命令对比分析)

从截图中可以看出,a.transpose(1,2,0)np.transpose(a,(1,2,0))效果相同。

代码段中给出的axes(1,2,0),这决定了transpose后的数组,其shape在第一个维度即shape[0]上是原来的shape[1],第二维shape[1]是原来的shape[2],第三维shape[2]是原来的shape[0]

所以原shape(3,2,4)。新的shape为(2,4,3)

总结

以上为个人经验,希望能给大家一个参考,也希望大家多多支持脚本之家。

网友评论

验证码 换一张
取 消
暂无评论...
三日内热门评论文章
关键词
为您推荐
  • 相关阅读
  • 业界资讯
  • 手机通讯
  • 电脑办公
  • 新奇数码
  • 软件游戏
  • 科学探索