看了網上一堆解釋，有用相互交換來解釋的，我看了半天也看不出所以然來。心想著自己試驗一下。
numpy.transpose的用法很簡單：假如你有乙個四維的陣列，那麼四個維度就是0，1，2，3。風格會像下面這樣：
>>>a = np.ones((1, 32, 30, 3))>>>a.shape
(1, 30, 32, 3)
>>>a.transpose(0,3,1,2)
如你所見，transpose是ndarray的類方法，輸入是四個維度的排列，那麼這四個維度的排列一定蘊含著交換維度的「規則」。有兩個可能（合理）的想法：
1. 以上面這個例子來說，0, 3, 1, 2分別是第 1, 2, 3, 4 個位置引數。那麼transpose的作用就是將原本的第 1, 2, 3, 4維替換到所給的位置，即：原來的第0維調換到0號位置即第0維，原來的第1維調換到3號位置即第3維，所以結果應該是 shape_after = (1, 32, 3, 30)。但是事實並不是如此，why？這不，還有第二種可能的解釋
2. 原來不是有四個維度嗎，分別有標記，即0, 1, 2, 3維，那麼我們對維度進行調換的過程不就是對這個標籤排序的過程嗎？那麼(0,3,1,2)的意思就是以這樣的順序：第0維，第3維，第1維，第2維的順序來組成乙個新的陣列，所以結果應該是 shape_after = (1, 3, 30, 32)。執行之後正好是這樣~~
>>>a = np.ones((1, 32, 30, 3))>>>a.shape
(1, 30, 32, 3)
>>>a.transpose(0,3,1,2).shape
(1, 3, 30, 32)
再舉個栗子：
>>>a = np.array([[[1,2],[3,4]],[[4,5],[6,7]]])>>>a
array([[[1, 2],
[3, 4]],
[[4, 5],
[6, 7]]])
>>>a.transpose(0,2,1)
array([[[1, 3],
[2, 4]],
[[4, 6],
[5, 7]]])
按上面的理論來解釋，第一維不動，後兩維交換。結果發現兩個2×2的矩陣都被轉置，而它們好好的並在一起。這不就是我們期待的效果嗎？
總結一下：乙個陣列原先是有第0，1，2...維的。transpose做的事情就是讓這些維度「排個序」，從而達到交換維度的目的。你可能會覺得它與reshape很像，但是其實區別蠻大。reshape是改變了numpy陣列元素的「解釋」方式，而transpose則顯式修改了資料的相對位置，這也是為什麼它的英文和「矩陣」轉置是一樣的原因。
Numpy中的transpose函式
transpose 的操作物件是矩陣。我們用乙個例子來說明這個函式 0 1 2 3 4 5 6 7 這是乙個shape為 2，2，2 的矩陣，現在對它進行transpose操作。首先我們對矩陣的維度進行編號，上述矩陣有三個維度，則編號分別為0，1，2，而transpose函式的引數輸入就是基於這個編...
解疑 Numpy 中的 transpose
官方文件描述 numpy.ndarray.transpose ndarray.transpose axes returns a view of the array with axes transposed.for a 1 d array,this has no effect.to change be...
numpy中的transpose函式使用方法
二維矩陣的transpose函式 不曉得該怎麼起頭，直接上乾貨。transpose 簡單來說，就相當於數學中的轉置，在矩陣中，轉置就是把行與列相互調換位置 例如 隨機生成乙個三行五列的二維矩陣 arr np.arange 15 reshape 3,5 arr array 0,1,2,3,4 5,6,...