如何使用transpose转置ndarray矩阵？与T属性有何不同？

我们相信：世界是美好的，你是我也是。平行空间的世界里面，不同版本的生活也在继续...

继续ndarray矩阵翻转的问题，在前面的文章中，是使用.T属性来解决这个问题的，简单好用省力。本文介绍另外一种方法，是基于numpy的transpose()方法。它的作用和.T是一致的，绝大多数情况下，都是可以互换的。那么，numpy.transpose()又有什么特别的用法么？这就是本文要讨论的问题。

大家好，这里是苏南大叔的“程序如此灵动”博客，本文讨论numpy.transpose()方法。测试环境：win10，python@3.11.0，numpy@1.24.2，pandas@1.5.3。

transpose，英文释义：转置;使换位;使转移;使(乐曲)变调，移调;使变形;使掉换顺序。

numpy.transpose()与.T大概率相同

大概率情况下，numpy.transpose()与.T是一致的效果。下面的代码，演示了一维二维三维的情况下，两者的结果对比。ndarray是否相等的文章总结，请参考：

• https://newsn.net/say/ndarray-equal.html

转置一维数组【一维的.T和原值一样，没有必要执行.T】：

import numpy as np
sn = np.array(["苏", "南", "大", "叔"])
print(np.transpose(sn))
print(np.array_equal(sn.T, np.transpose(sn)))

转置二维数组：

import numpy as np
sn = np.array([["苏", "南"], ["大", "叔"]])
print(np.transpose(sn))
print(np.array_equal(sn.T, np.transpose(sn)))

转置三维矩阵：

import numpy as np
sn = np.array(
    [
        [["苏1", "南1"], ["大1", "叔1"]],
        [["苏2", "南2"], ["大2", "叔2"]],
        [["苏3", "南3"], ["大3", "叔3"]],
    ]
)
print(np.transpose(sn))
print(np.array_equal(sn.T, np.transpose(sn)))

axes轴的概念

在前面的文章里面，苏南大叔画了一张图，显示的是三维矩阵下的"0轴"/"1轴"/"2轴"的简单推理。

这个理论依据就是从下面的公式里面推导出来的。

import numpy as np
sn  = np.arange(27).reshape(3, 3, 3)      # 3*3*3的三维数组
sn_ = np.transpose(sn, axes=(0, 1, 2))    # 正常原版
print(sn, sn_, np.array_equal(sn, sn_))

import numpy as np
sn  = np.arange(27).reshape(3, 3, 3)      # 3*3*3的三维数组
ns  = np.transpose(sn)
ns_ = np.transpose(sn, axes=(2, 1, 0))    # 正常转置
print(ns, ns_, np.array_equal(ns, ns_))

从上面的代码中，苏南大叔可以推断出：

• 对于三维的ndarray矩阵，axes轴的排序是0\1\2。
• 对于转置的ndarray矩阵，axes轴的排序是2\1\0。也就是说：转置是"0轴"和"2轴"互换。

numpy.transpose()与.T不同之处

numpy.transpose()与.T的微小不同之处，就体现在下面这个函数里面了。如果你已经理解了三维矩阵中轴的概念，那么，下面的这个操作，也应该比较好理解。

• .T交换的是0轴和2轴。
• numpy.transpose()还可以交换0轴和1轴。

import numpy as np
sn = np.arange(27).reshape(3, 3, 3)     # 3*3*3的三维数组
ns3 = np.transpose(sn, axes=(1, 0, 2))  # 烧脑操作
print(ns3)
print(ns, ns_, np.array_equal(ns.T, ns_))

当然根据排列组合算法，3个人坐3个座位，组合数是3*2=6，所以，还有三种不同的组合，大家可以自行实验后续的组合。

结束语

本文结论就是：不到情非得已，请使用.T属性来获得转置矩阵。如果需要特殊定制的轴对换情形，可以考虑numpy.transpose()外加axes=()定义轴顺序的情况。

更多python相关经验文章，请参考：

• https://newsn.net/tag/python/

如果本文对您有帮助，或者节约了您的时间，欢迎打赏瓶饮料，建立下友谊关系。
本博客不欢迎：各种镜像采集行为。请尊重原创文章内容，转载请保留作者链接。