被numpy的转置所迷惑

In [259]: a = np.zeros((2,3,4))
In [260]: idx = [1,2,0]
In [261]: a.transpose(idx).shape
Out[261]: (3, 4, 2)

这一切都是为了 a.shape[1] 尺寸并放在第一位。 a.shape[2] 是第二, a.shape[0] 第三:

In [262]: np.array(a.shape)[idx]
Out[262]: array([3, 4, 2])

transpose 没有参数是轴顺序的完全反转。这是熟悉的二维转置(行变列,列变行)的扩展:

In [263]: a.transpose().shape
Out[263]: (4, 3, 2)
In [264]: a.transpose(2,1,0).shape
Out[264]: (4, 3, 2)

“不做任何事”会改变:

In [265]: a.transpose(0,1,2).shape
Out[265]: (2, 3, 4)

您有一个初始轴顺序和最后一个轴顺序;如果您不经常使用大小为3或更大的列表,描述交换可能很难可视化。

有些人觉得使用起来更容易些。 swapaxes 改变了轴的顺序。 rollaxis 是另一种方式。

我更喜欢使用 转置 因为它可以做其他人能做的任何事情;所以我只需要为一个工具开发一个直观的工具。

这个 argsort 注释的操作方式如下:

In [278]: a.transpose(idx).transpose(np.argsort(idx)).shape
Out[278]: (2, 3, 4)

也就是说,将它应用于一个转置的结果,以恢复原始顺序。

argsort([1,2,0])返回类似[2,0,1]的数组

所以

np.transpose(a, np.argsort([1,2,0])).shape

行为像

np.transpose(a, [2,0,1]).shape

不

np.transpose(a, [1,2,0]).shape