numpy.transpose解析
2017-04-26 14:12
218 查看
transponse是numpy重塑数组的方法。
首先,数组有一个特殊的T属性:
这个还是比较简单的,数组的简单轴对换。
对高维数组,可以用transponse进行更复杂的转置:
这个稍微复杂一点,想明白确实想了一段时间。这个重塑,分为两步:
结构的调整
首先输入
索引的改变
比如说arr[0, 1, 0] = 4, 转置后, 1和0调换,所以,调整后4的索引为[1, 0, 0],其余的数字以此类推。
首先,数组有一个特殊的T属性:
arr = np.arange(15).reshape((3, 5)) arr '' array([[ 0, 1, 2, 3, 4], [ 5, 6, 7, 8, 9], [10, 11, 12, 13, 14]]) '' arr.T '' array([[ 0, 5, 10], [ 1, 6, 11], [ 2, 7, 12], [ 3, 8, 13], [ 4, 9, 14]]) ''
这个还是比较简单的,数组的简单轴对换。
对高维数组,可以用transponse进行更复杂的转置:
arr = np.arange(16).reshape((2, 2, 4)) arr '' array([[[ 0, 1, 2, 3], [ 4, 5, 6, 7]], [[ 8, 9, 10, 11], [12, 13, 14, 15]]]) '' arr.transpone((1, 0, 2)) '' array([[[ 0, 1, 2, 3], [ 8, 9, 10, 11]], [[ 4, 5, 6, 7], [12, 13, 14, 15]]]) ''
这个稍微复杂一点,想明白确实想了一段时间。这个重塑,分为两步:
结构的调整
首先输入
arr.shape,得到数组结构
(2, 2, 4),transponse参数
(1, 0, 2),也就是说该数组调整后,结构不变还是
(2, 2, 4)。
索引的改变
比如说arr[0, 1, 0] = 4, 转置后, 1和0调换,所以,调整后4的索引为[1, 0, 0],其余的数字以此类推。
相关文章推荐
- numpy.transpose难点解析
- numpy.transpose()
- Numpy中转置transpose、T和swapaxes
- numpy 维度、轴和transpose的理解
- Numpy中转置transpose、T和swapaxes的实例讲解
- numpy基础——matrix.transpose() 和 matrix.getA()
- 【Numpy】transpose()
- numpy.random模块中常用函数解析
- numpy之转置(transpose)和轴对换
- 机器学习之k近邻算法——2、文本解析(从txt格式到numpy的array数组)
- numpy array transpose
- 将文本记录转换为NumPy的解析程序
- 对numpy中的transpose和swapaxes函数详解
- numpy.transpose对三维数组的转置
- python的numpy.random详细解析
- numpy中的转置(transpose)和轴对换
- 【Numpy学习记录】np.transpose讲解
- Numpy中数组转置和轴对换——transpose、T、swapaxes
- numpy中transpose和swapaxes函数讲解
- Numpy中的transpose