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*47img = 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，也希望大家多多支持武林站長站。