被numpy和#x27所困扰；s转置_Numpy_Linear Algebra

被numpy和#x27所困扰；s转置

numpy

被numpy和#x27所困扰；s转置,numpy,linear-algebra,Numpy,Linear Algebra,让我们看一个非常简单的例子：一个形状为（2,3,4）的数组，忽略值 >>> a.shape (2, 3, 4) 当我们将其转置并打印尺寸时： >>> a.transpose([1,2,0]).shape (3, 4, 2) 我的意思是：取轴索引2作为第一个，然后取轴索引0作为第二个，最后取轴索引1作为第三个。我应该得到（4,2,3），对吗嗯，我想也许我不完全理解逻辑。因此，我阅读了文档，其中写道：使用转置（a，argsort（axes））反转张量的转置

让我们看一个非常简单的例子：一个形状为（2,3,4）的数组，忽略值

>>> a.shape
(2, 3, 4)

当我们将其转置并打印尺寸时：

>>> a.transpose([1,2,0]).shape
(3, 4, 2)

我的意思是：取轴索引2作为第一个，然后取轴索引0作为第二个，最后取轴索引1作为第三个。我应该得到（4,2,3），对吗

嗯，我想也许我不完全理解逻辑。因此，我阅读了文档，其中写道：

使用转置（a，argsort（axes））反转张量的转置使用axes关键字参数时

所以我试过了

>>> c = np.transpose(a, [1,2,0])
>>> c.shape
(3, 4, 2)
>>> np.transpose(a, np.argsort([1,2,0])).shape
(4, 2, 3)

还有一个完全不同的形状

有人能解释一下吗？谢谢。

np.argsort（[1,2,0]）返回类似于[2,0,1]的数组

所以

装作

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

不是

argsort（[1,2,0]）返回类似于[2,0,1]的数组

所以

装作

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

不是

这样做的目的是将a.shape[1]维度放在第一位

a.shape[2]

排名第二，而

a.shape[0]

排名第三：

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

转置

无参数是轴顺序的完全反转。它是熟悉的2d转置（行变成列，列变成行）的扩展：

“不做任何事”转置：

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

您有一个初始轴顺序和最终轴顺序；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

有些人发现使用

swapaxes

更容易，这只改变了轴的顺序<代码>滚动轴是另一种方式

我更喜欢使用

转置

，因为它可以做其他人能做的任何事情；所以我只需要开发一个直观的工具

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，将其应用于一次转置的结果，以恢复原始顺序