Question

让我们举一个非常简单的例子：一个形状为（2,3,4）的数组，忽略其值。

>>> a.shape
(2, 3, 4)

换位并打印尺寸时

>>> a.transpose([1,2,0]).shape
(3, 4, 2)

所以我说的是：取轴索引2为第一个，然后取轴索引0为第二个，最后取轴索引1为第三个。我应该得到（4,2,3），对吧？

嗯，我想也许我不完全理解逻辑。因此，我阅读了文档，并说：

使用transpose（a，argsort（axes））反转张量的转置在使用axes关键字参数时。

所以我尝试了

>>> c = np.transpose(a, [1,2,0])
>>> c.shape
(3, 4, 2)
>>> np.transpose(a, np.argsort([1,2,0])).shape
(4, 2, 3)

形状完全不同！

有人可以解释一下吗？谢谢。

Answer 1

In [259]: a = np.zeros((2,3,4))
In [260]: idx = [1,2,0]
In [261]: a.transpose(idx).shape
Out[261]: (3, 4, 2)

要做的是将a.shape[1]维度放在首位。 a.shape[2]是第二名，a.shape[0]是第三名：

In [262]: np.array(a.shape)[idx]
Out[262]: array([3, 4, 2])

不带参数的

transpose是轴顺序的完全反转。这是熟悉的2d转置的扩展（行变成列，列变成行）：

In [263]: a.transpose().shape
Out[263]: (4, 3, 2)
In [264]: a.transpose(2,1,0).shape
Out[264]: (4, 3, 2)

什么都不做：

In [265]: a.transpose(0,1,2).shape
Out[265]: (2, 3, 4)

您有一个初始轴顺序和最后一个轴顺序；如果您不定期使用大小为3或更大的列表，则很难直观地描述交换内容。

有些人发现使用swapaxes更容易，它可以更改正轴的顺序。 rollaxis是另一种方式。

我更喜欢使用transpose，因为它可以做其他人可以做的任何事情；所以我只需要为一种工具开发一种直观的工具即可。

argsort注释的操作方式如下：

In [278]: a.transpose(idx).transpose(np.argsort(idx)).shape
Out[278]: (2, 3, 4)

也就是说，将其应用于一个转置的结果以恢复原始顺序。

Answer 2

np.argsort（[1,2,0]）返回一个类似于[2,0,1]

的数组

所以

np.transpose(a, np.argsort([1,2,0])).shape

像

np.transpose(a, [2,0,1]).shape

不是

np.transpose(a, [1,2,0]).shape