In [28]: arr = np.arange(16).reshape((2, 2, 4))
In [29]: arr
Out[29]:
array([[[ 0, 1, 2, 3],
[ 4, 5, 6, 7]],
[[ 8, 9, 10, 11],
[12, 13, 14, 15]]])
In [32]: arr.transpose((1, 0, 2))
Out[32]:
array([[[ 0, 1, 2, 3],
[ 8, 9, 10, 11]],
[[ 4, 5, 6, 7],
[12, 13, 14, 15]]])
当我们将整数元组传递给transpose()函数时，会发生什么？
具体来说，这是一个3D数组：当我传递轴的元组时，NumPy如何变换该数组(1, 0 ,2)？您能解释这些整数指的是哪行或哪一列？在NumPy的上下文中，轴号是什么？
0是第一个轴，1是第二个轴，是2第三个轴，依此类推...在您的示例中，axes用于transpose提供您希望它们排列的新顺序的参数：首先是第二个，然后是第一个，然后是第三个。
Answers:
为了转置数组，NumPy只是交换每个轴的形状和步幅信息。这是大步前进：
>>> arr.strides
(64, 32, 8)
>>> arr.transpose(1, 0, 2).strides
(32, 64, 8)
请注意，转置操作将步幅交换为轴0和轴1。这些轴的长度也被交换了（2在此示例中，这两个长度都相同）。
无需复制任何数据即可完成此操作；NumPy可以简单地更改其查看基础内存的方式以构造新数组。
步幅值表示为了到达数组轴的下一个值必须在内存中传输的字节数。
现在，我们的3D数组arr看起来如下（带有标记的轴）：
这个数组存储在一个连续的内存块中; 本质上是一维的。要将其解释为3D对象，NumPy必须跳过一定的恒定字节数才能沿三个轴之一移动：
由于每个整数占用8个字节的内存（我们使用的是int64 dtype），因此每个维度的步幅值是需要跳转的值数的8倍。例如，要沿轴1移动，则要跳过四个值（32字节），而要沿轴0移动，则要跳过八个值（64字节）。
当我们写时，arr.transpose(1, 0, 2)我们将交换轴0和1。转置后的数组如下所示：
NumPy所需要做的就是交换轴0和轴1的步幅信息（轴2不变）。现在，我们必须跳得更远，才能沿着轴1而不是轴0：
这个基本概念适用于数组轴的任何排列。处理转置的实际代码是用C编写的，可以在这里找到。
如文档中所述：
默认情况下，反转尺寸，否则根据给定的值对轴进行排列。
因此，您可以传递一个可选参数来axes定义新的尺寸顺序。
例如，转置RGB VGA像素阵列的前两个维度：
>>> x = np.ones((480, 640, 3))
>>> np.transpose(x, (1, 0, 2)).shape
(640, 480, 3)
用C表示法，您的数组将是：
int arr[2][2][4]
这是具有2个2D阵列的3D阵列。这些2D数组中的每个都有2个1D数组，这些1D数组中的每个都有4个元素。
因此，您具有三个维度。轴为0、1、2，大小为2、2、4。这正是numpy处理N维数组的轴的方式。
因此，arr.transpose((1, 0, 2))将轴1放置在位置0，将轴0放置在位置1，将轴2放置在位置2。您实际上是在排列轴：
0 -\/-> 0
1 -/\-> 1
2 ----> 2
换句话说，1 -> 0, 0 -> 1, 2 -> 2。目标轴始终是有序的，因此您只需指定源轴即可。按此顺序读取元组：(1, 0, 2)。
在这种情况下[2][2][4]，仅因为轴0和1具有相同的大小（2），所以您的新数组尺寸仍然是。
更有趣的是通过转置(2, 1, 0)为您提供的数组[4][2][2]。
0 -\ /--> 0
1 --X---> 1
2 -/ \--> 2
换句话说，2 -> 0, 1 -> 1, 0 -> 2。依次读取元组：(2, 1, 0)。
>>> arr.transpose((2,1,0))
array([[[ 0, 8],
[ 4, 12]],
[[ 1, 9],
[ 5, 13]],
[[ 2, 10],
[ 6, 14]],
[[ 3, 11],
[ 7, 15]]])
您最终获得了int[4][2][2]。
如果所有尺寸的尺寸都不同，您可能会更好地理解，因此您可以看到每个轴的去向。
为什么第一个内部元素[0, 8]？因为如果将3D阵列可视化为两张纸0并8对齐，则一张纸一张，另一张纸一张在左上角。通过换位，(2, 1, 0)您是说要纸到纸的方向现在从左到右沿着纸行进，而现在要从纸到纸的左到右方向。您从左到右有4个元素，所以现在有了4张纸。而且您有2篇论文，所以现在您有2个元素从左到右。
对不起，可怕的ASCII艺术。 ¯\_(ツ)_/¯
transpose()不是数学排列或其他任何东西，对吗？字面上只是说“使轴现在处于这些位置”的指令？例如，对于.transpose(p, q, r, s)你说“把轴线p为第0个，q为第1，r为第12和s作为第三”？还是看到了另一种b = a.transpose(axes)方式b.shape == tuple(a.shape[i] for i in axes)？
看来问题和示例出自Wes McKinney的《Python for Data Analysis》一书。第4.1章中transpose提到了此功能。转置数组和交换轴。
对于更高维的数组，
transpose将接受轴编号的元组以对轴进行置换（以增加思维的弯曲度）。
这里的“置换”是指“重新排列”，因此要重新排列轴的顺序。
中的数字.transpose(1, 0, 2)确定与原始轴相比如何更改轴的顺序。通过使用.transpose(1, 0, 2)，我们的意思是“将第二把斧头改为第二把斧头”。如果使用.transpose(0, 1, 2)，则数组将保持不变，因为没有任何更改。这是默认顺序。
书中带有(2, 2, 4)大小数组的示例不是很清楚，因为第一轴和第二轴具有相同的大小。因此，除了对rowarr[0, 1]和进行重新排序之外，最终结果似乎没有改变arr[1, 0]。
如果我们尝试使用3维数组（每个维具有不同大小）的不同示例，则重排部分将变得更加清晰。
In [2]: x = np.arange(24).reshape(2, 3, 4)
In [3]: x
Out[3]:
array([[[ 0, 1, 2, 3],
[ 4, 5, 6, 7],
[ 8, 9, 10, 11]],
[[12, 13, 14, 15],
[16, 17, 18, 19],
[20, 21, 22, 23]]])
In [4]: x.transpose(1, 0, 2)
Out[4]:
array([[[ 0, 1, 2, 3],
[12, 13, 14, 15]],
[[ 4, 5, 6, 7],
[16, 17, 18, 19]],
[[ 8, 9, 10, 11],
[20, 21, 22, 23]]])
在此，原始数组大小为(2, 3, 4)。我们更改了第一个和第二个，因此它(3, 2, 4)的尺寸变大了。如果我们仔细观察，看看重新排列是如何发生的；数字数组似乎已在特定模式下发生了变化。使用@RobertB的书面类比，如果我们要取2个数字块，并将每个数字写在纸上，然后从每张纸取一行，以构造数组的一个维，那么我们现在将得到一个3x2x4大小的数组，从最外层到最内层。
[ 0, 1, 2, 3] \ [12, 13, 14, 15]
[ 4, 5, 6, 7] \ [16, 17, 18, 19]
[ 8, 9, 10, 11] \ [20, 21, 22, 23]
最好使用不同大小的数组，并更改不同的轴以更好地了解其工作原理。
总结a.transpose（）[i，j，k] = a [k，j，i]
a = np.array( range(24), int).reshape((2,3,4))
a.shape gives (2,3,4)
a.transpose().shape gives (4,3,2) shape tuple is reversed.
当是元组参数时，将根据元组对轴进行排列。例如
一个= np.array（range（24），int）.reshape（（2,3,4））
a [i，j，k]等于a.transpose（（2,0,1））[k，i，j]
轴0排名第二
轴1排名第三
轴2故事第一名
当然，我们需要注意传递给转置的元组参数中的值是唯一的，并且在范围（轴数）中