numpy.permute_dims#

numpy.permute_dims(a, axes=None)[source]#

返回一个轴已转置的数组。

对于一维数组，这会返回原始数组的一个未更改的视图，因为转置的向量与原向量相同。要将一维数组转换为二维列向量，必须添加一个额外的维度，例如，np.atleast_2d(a).T 可以实现这一点，a[:, np.newaxis] 也可以。对于二维数组，这是标准的矩阵转置。对于 n 维数组，如果给定 `axes`，它们的顺序表示轴是如何置换的（参见示例）。如果未提供 `axes`，则 transpose(a).shape == a.shape[::-1]。

参数:

aarray_like: 输入数组。
axes整数元组或列表，可选: 如果指定，它必须是一个元组或列表，其中包含 [0, 1, …, N-1] 的排列，N 是数组 a 的轴数。负数索引也可用于指定轴。返回数组的第 i 个轴将对应于输入中编号为 axes[i] 的轴。如果未指定，则默认为 range(a.ndim)[::-1]，它会反转轴的顺序。

返回:

pndarray: 轴已置换的 a。如果可能，返回一个视图。

另请参阅

ndarray.transpose: 等效方法。
moveaxis: 将数组的轴移动到新位置。
argsort: 返回可对数组进行排序的索引。

注意

使用 transpose(a, argsort(axes)) 在使用 axes 关键字参数时反转张量的转置。

示例

>>> import numpy as np
>>> a = np.array([[1, 2], [3, 4]])
>>> a
array([[1, 2],
       [3, 4]])
>>> np.transpose(a)
array([[1, 3],
       [2, 4]])

>>> a = np.array([1, 2, 3, 4])
>>> a
array([1, 2, 3, 4])
>>> np.transpose(a)
array([1, 2, 3, 4])

>>> a = np.ones((1, 2, 3))
>>> np.transpose(a, (1, 0, 2)).shape
(2, 1, 3)

>>> a = np.ones((2, 3, 4, 5))
>>> np.transpose(a).shape
(5, 4, 3, 2)

>>> a = np.arange(3*4*5).reshape((3, 4, 5))
>>> np.transpose(a, (-1, 0, -2)).shape
(5, 3, 4)