Python 对于2x2x2矩阵，为什么整形（4,2）与整形（2，-1）.T不同

我尝试了以下代码片段

a = np.array([[[1, 2], [3, 4]],[[5, 6], [7, 8]]])
b = a.reshape(2,-1).T
c = a.reshape(4,2)

我以为b和c是一样的，因为a被重塑成4x2矩阵。但事实并非如此。这是b和c

[[1 5]
 [2 6]
 [3 7]
 [4 8]]

[[1 2]
 [3 4]
 [5 6]
 [7 8]]

---

为什么安排会改变？

这与您正在执行的操作有关

>>> a = np.array([[[1, 2], [3, 4]],[[5, 6], [7, 8]]])
>>> a
array([[[1, 2],
        [3, 4]],

       [[5, 6],
        [7, 8]]])

这将得到您想要的4,2形状

>>> a.reshape(4,2)
array([[1, 2],
       [3, 4],
       [5, 6],
       [7, 8]])

这将得到2行4列

>>> a.reshape(2,-1)
array([[1, 2, 3, 4],
       [5, 6, 7, 8]])

应用.T运算符可将行切换为列：

>>> a.reshape(2,-1).T
array([[1, 5],
       [2, 6],
       [3, 7],
       [4, 8]])

若要使用-1将尺寸重塑为4,2阵列，需要将其置于第一个位置以实现4,2阵列：

>>> a.reshape(-1,2)
array([[1, 2],
       [3, 4],
       [5, 6],
       [7, 8]])

---

在

b

中，它被塑造成一个2x4矩阵，这与4x2矩阵不同Transpose改变了有效的内存布局，而重塑则没有。