numpy数组transpose方法的基本原理
背景：记录一下numpy数组维度顺序操作
一、具体示例
transpose方法用于交换数组的轴，改变数组的维度顺序。方法的参数是一个代表新轴顺序的元组。
假设你有一个三维数组，其形状是 (a, b, c)，即有 a 个块，每个块中有 b 行，每行有 c 列。transpose 方法的参数 (0, 2, 1) 意味着：
0轴保持不变，仍然是a2轴变成新的第2个位置（即原来是列的轴，现在变成行的轴）1轴变成新的第3个位置（即原来是行的轴，现在变成列的轴）
import numpy as npX = np.random.rand(2, 3, 4)
print("Original shape:", X.shape)# Original shape: (2, 3, 4)X 的形状是 (2, 3, 4)，意味着：
- 2个块
- 每个块有3行
- 每行有4列
我们对其应用 transpose(0, 2, 1)：
X_transposed = X.transpose(0, 2, 1)
print("Transposed shape:", X_transposed.shape)# Transposed shape: (2, 4, 3)
X_transposed 的新形状是 (2, 4, 3)，意味着：
- 2个块（第0个轴保持不变）
- 每个块有4行（原来的列数，现在变成行）
- 每行有3列（原来的行数，现在变成列）
二、对比维度顺序变化
具体变化如下：
-
原始数组（形状
(2, 3, 4)）：
[[ # 第一个块[x1, x2, x3, x4], # 第1行[x5, x6, x7, x8], # 第2行[x9, x10, x11, x12] # 第3行],[ # 第二个块[y1, y2, y3, y4], # 第1行[y5, y6, y7, y8], # 第2行[y9, y10, y11, y12] # 第3行]
]
-
转置后的数组（形状
(2, 4, 3)）：
[[ # 第一个块[x1, x5, x9], # 第1行（原来每列的第1个元素）[x2, x6, x10], # 第2行（原来每列的第2个元素）[x3, x7, x11], # 第3行（原来每列的第3个元素）[x4, x8, x12] # 第4行（原来每列的第4个元素）],[ # 第二个块[y1, y5, y9], # 第1行[y2, y6, y10], # 第2行[y3, y7, y11], # 第3行[y4, y8, y12] # 第4行]
]
三、应用场景
在时间序列分析或其他多维数据处理任务中，调整维度顺序可能是为了符合模型的输入格式。例如：
- 在 RNN 或 LSTM 网络中，输入数据通常需要形状为
(batch_size, time_steps, features)，即批量大小、时间步数、特征数。 - 如果数据原始形状是
(batch_size, features, time_steps)，我们需要使用transpose(0, 2, 1)将其调整为正确的形状。
通过 transpose(0, 2, 1)，我们可以灵活地调整数据的维度顺序，以适应各种模型和分析方法的需求。