在讀圖片時(shí)，會(huì)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(gè)點(diǎn)有3個(gè)元素rgb。再把這些元素一字排開(kāi)

          

transpose是什么意識(shí)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(lái)的矩陣。如果對(duì)其進(jìn)行轉(zhuǎn)置，執(zhí)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(guò)程是怎樣的？

arr1.shape 應(yīng)該是(2, 2, 4) 意為 2維，2*4矩陣

arr1.transpose(*args) 里面的參數(shù)，可以這么理解，他是調(diào)換arr1.shape的順序，咱來(lái)給arr1.shape標(biāo)一下角標(biāo)哈，（2[0], 2[1], 4[2]） [ ] 里是shape的索引，對(duì)吧，

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

雖然看起來(lái) 變換前后的shape都是 2,2,4 ， 但是問(wèn)題來(lái)了，transpose是轉(zhuǎn)置

shape按照(1,0,2)的順序重新設(shè)置了， array里的所有元素 也要按照這個(gè)規(guī)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(guī)則，就是 (0, 1, 0) 看看跟你結(jié)果arr2的位置一樣了吧，依此類(lèi)推..

另外一個(gè)知識(shí)點(diǎn)：

對(duì)于一維的shape,轉(zhuǎn)置是不起作用的，舉例：

            
x=linspace(0,4,5) 
#array([0.,1.,2.,3.,4.])
y=transpose(x)  # 會(huì)轉(zhuǎn)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(duì)python 矩陣轉(zhuǎn)置transpose的實(shí)例講解就是小編分享給大家的全部?jī)?nèi)容了，希望能給大家一個(gè)參考，也希望大家多多支持腳本之家。