關於數組的轉置,Numpy提供了transpose函數和.T屬性兩種實現形式,一般transpose使用起來更為方便,另外轉換其中的兩個軸還可以用swapreaxes,下面通過例子來做介紹。
#一維數組轉置>>> arr = np.arange(6)>>> print arr[0, 1, 2, 3, 4, 5]>>> print np.transpose(arr)[0, 1, 2, 3, 4, 5]#一維還是一維…#二維數組轉置>>> arr = np.arange(6).reshape((2,3))>>> print arr[[0, 1, 2], [3, 4, 5]]>>> print np.transpose(arr)[[0,3], [1,4], [3,5]]#三維數組的轉置>>> arr = np.arange(24).reshape((2,3,4))>>> print arr[[[ 0, 1, 2, 3], [ 4, 5, 6, 7], [ 8, 9, 10, 11]], [[ 12, 13, 14, 15], [ 16, 17, 18, 19], [ 20, 21, 22, 23]]]>>> print np.transpose(arr)[[[0, 12], [4, 16], [8, 20]], [[1, 13], [5, 17], [9, 21]], [[2, 14], [6, 18], [10, 22]], [[3, 15], [7, 19], [11, 23]]]#當數組>=三維之後,我們可能希望按照特定規則來轉置,transpose 可以接受用於指定轉置的座標軸號碼的元組>>> print np.transpose(arr, (1,0,2))[[[ 0, 1, 2, 3], [ 12, 13, 14, 15]], [[ 4, 5, 6, 7], [ 16, 17, 18, 19]], [[ 8, 9, 10, 11], [ 20, 21, 22, 23]]]
對於是否指定轉化規則,具體來看三維的變化:未經處理資料的“三維”是(2,3,4),不指定轉換規則後的“三維”是(4,3,2),而指定規則後的三維則是按照我們指定的規則,將其一維和二維進行調換。
#原始三維資料規則>>> print (arr.shape)(2, 3, 4)#不指定轉換規則>>> print (np.transpose(arr).shape)(4, 3, 2)#指定轉換規則>>> print (np.transpose(arr,(1, 0, 2)).shape)(3, 2, 4)
ndarray的T屬性,用法則比較簡單,只需要在數組後跟.T即可。.T屬性實際是轉置裡面的特殊情況,即不指定轉置規則的預設規則。
#一維數組轉置>>> arr = np.arange(6)>>> print arr[0, 1, 2, 3, 4, 5]>>> print arr.T[0, 1, 2, 3, 4, 5]#一維還是一維…#二維數組轉置>>> arr = np.arange(6).reshape((2,3))>>> print arr[[0, 1, 2], [3, 4, 5]]>>> print arr.T[[0,3], [1,4], [3,5]]#三維數組的轉置>>> arr = np.arange(24).reshape((2,3,4))>>> print arr[[[ 0, 1, 2, 3], [ 4, 5, 6, 7], [ 8, 9, 10, 11]], [[ 12, 13, 14, 15], [ 16, 17, 18, 19], [ 20, 21, 22, 23]]]>>> print arr.T[[[0, 12], [4, 16], [8, 20]], [[1, 13], [5, 17], [9, 21]], [[2, 14], [6, 18], [10, 22]], [[3, 15], [7, 19], [11, 23]]]
當某些情況下,你可能只需要轉換其中的兩個軸,除了可以使用transpose指定軸以外(當然需要每個軸都指定順便,只是調整其中的部分而已),還可以使用swapreaxes。
>>> arr = np.arange(24).reshape((2,3,4))>>> print arr[[[ 0, 1, 2, 3], [ 4, 5, 6, 7], [ 8, 9, 10, 11]], [[ 12, 13, 14, 15], [ 16, 17, 18, 19], [ 20, 21, 22, 23]]]>>> print arr.swapaxes(1, 0)[[[ 0, 1, 2, 3], [ 12, 13, 14, 15]], [[ 4, 5, 6, 7], [ 16, 17, 18, 19]], [[ 8, 9, 10, 11], [ 20, 21, 22, 23]]]