标签：log mat 运行 观点 三维 思维 分割 blog 输出
原文地址：https://www.cnblogs.com/chenyansu/p/6774963.html，
看书中看到一行代码：
mymatrix5 = mat([[1, 2, 3], [4, 5, 6], [7, 8, 9], [10, 11, 12]])
mymatrix5.transpose()
在Numpy对矩阵的转置中，我们可以用transpose()函数来处理。
这个函数的运行是非常反常理的，可能会令人陷入思维误区。
假设有这样那个一个三维数组(2*4*2)：
array ([[[ 0, 1, 2, 3],
[ 4, 5, 6, 7]],
[[ 8, 9, 10, 11],
[12, 13, 14, 15]]])
（1）. 错误的观点
我们通常的想法是
从x轴看去，0， 1 ，2 ，3
从y轴看去，0，4
从z轴看去，0， 8
这样表达或许更清晰
y y
x: 0, 1, 2, 3 ----z---- 8, 9, 10, 11
4, 5, 6, 7 ----z----12, 13, 14, 15
下标的排列为[x, y, z]
（2）. 正确的观点
事实上，上述庙是是错误的，我们可以通过下标来测试：
arr[0, 0, 0]
0
arr[1, 0, 0]
8
arr[0, 1, 0]
4
arr[0, 0, 1]
1
可以看出，通过改变第一个下标, 我们实际的变动为(1)中表示的z,而不是x，arr[1, 0, 0]所得的数是8而不是1；通过改变第三个下标, 我们实际的变动为(1)中表示的x,而不是z，arr[0, 0, 1]所得的数是1而不是8.
所以，一个数的下标为[z, y, x]
（3）transpose函数的使用
首先，我们利用transpose原样输出
arr.transpose((0, 1, 2))
-----------结果的分割线----------
array([[[ 0, 1, 2, 3],
[ 4, 5, 6, 7]],
[[ 8, 9, 10, 11],
[12, 13, 14, 15]]])
在这里，transpose()函数的(0, 1, 2)对应着(z, y, x)轴
当我们输入arr.transpose((0, 2, 1))时,产生下列结果
array([[[ 0, 4],
[ 1, 5],
[ 2, 6],
[ 3, 7]],
[[ 8, 12],
[ 9, 13],
[10, 14],
[11, 15]]])
我们可以看到，当我们改变了1和2的位置，x和y转置了。
（4）总结：重点在于理解，三维数组的下标为[z, y, x]， transpose()对其的默认编号为0=z, y=1, x=2.
标签：log mat 运行 观点 三维 思维 分割 blog 输出
原文地址：https://www.cnblogs.com/guochaoxxl/p/13294032.html
