對python矩陣轉置transpose的實例講解

在讀圖片時，會用到這么的一段代碼：    
image_vector_len = np.prod(image_size)#總元素大小，3*55*47
img = Image.open(path)
    arr_img = np.asarray(img, dtype='float64')
    arr_img = arr_img.transpose(2,0,1).reshape((image_vector_len, ))# 47行，55列，每個點有3個元素rgb。再把這些元素一字排開
transpose是什么意識呢？ 看如下例子：    
arr1 = array([[[ 0, 1, 2, 3],
    [ 4, 5, 6, 7]],
    [[ 8, 9, 10, 11],
    [12, 13, 14, 15]]])
這是原來的矩陣。如果對其進行轉置，執行arr2 = arr1.transpose((1,0,2))

得到：    
array([[[ 0, 1, 2, 3],
    [ 8, 9, 10, 11]],
    [[ 4, 5, 6, 7],
    [12, 13, 14, 15]]])

過程是怎樣的？

arr1.shape 應該是(2, 2, 4) 意為 2維，2*4矩陣

arr1.transpose(*args) 里面的參數，可以這么理解，他是調換arr1.shape的順序，咱來給arr1.shape標一下角標哈，（2[0], 2[1], 4[2]） [ ] 里是shape的索引，對吧，

transpose((1, 0, 2)) 的意思是 按照這個順序 重新設置shape 也就是 （2[1], 2[0], 4[2]）

雖然看起來 變換前后的shape都是 2,2,4 ， 但是問題來了，transpose是轉置
shape按照(1,0,2)的順序重新設置了， array里的所有元素 也要按照這個規則重新組成新矩陣
比如 8 在arr1中的索引是 (1, 0, 0) 那么按照剛才的變換規則，就是 (0, 1, 0) 看看跟你結果arr2的位置一樣了吧，依此類推..
另外一個知識點：
對于一維的shape,轉置是不起作用的，舉例：    
x=linspace(0,4,5)
#array([0.,1.,2.,3.,4.])
y=transpose(x)  # 會轉置失敗。
如果想正確使用的話：    
x.shape=(5,1)
y=transpose(x)  #就可以了
以上這篇對python 矩陣轉置transpose的實例講解就是小編分享給大家的全部內容了，希望能給大家一個參考