다음은 numpy.transpose의 3차원 배열 전치 방법에 대한 글입니다. 참고할만한 좋은 내용이 있어 모두에게 도움이 되었으면 좋겠습니다. 와서 살펴봅시다
아래와 같이
import numpy as np
3차원 배열
arr1 = np.arange(16).reshape((2, 2, 4)) #[[[ 0 1 2 3] # [ 4 5 6 7]] # [[ 8 9 10 11] # [12 13 14 15]]] arr2=arr1.transpose((1,0,2)) #[[[ 0 1 2 3] # [ 8 9 10 11]] # # [[ 4 5 6 7] # [12 13 14 15]]]
양수열은 (0, 1, 2) ,
#[[[ 0 1 2 3] # [ 4 5 6 7]] # [[ 8 9 10 11] # [12 13 14 15]]]
tanspose (1, 0, 2)를 입력하면 왜 배열이
#[[[ 0 1 2 3] # [ 8 9 10 11]] # # [[ 4 5 6 7] # [12 13 14 15]]]
가 되는가? 주의 깊게 관찰해 보면 전치 후 배열과 전치 후 배열의 차이를 알 수 있습니다. 전치 전 배열은 첫 번째 페이지의 두 번째 줄과 두 번째 페이지의 첫 번째 줄이 바뀌는데 왜 그럴까요?
arr1[0,1,0]을 사용하면 인덱스 값이 4
arr2[1,0,0]을 사용하면 인덱스 값이 4
변경 사항과 양수 순서를 비교하세요 인덱스 매개변수 테이블의 전치 순서 차이와 어떤 연관이 있는 것 같습니다
arr1 배열의 경우 인덱스 매개변수 테이블 [0, 0, x]는 현재 두 매개변수 이후의 첫 번째 행을 나타낼 수 있습니다. 같은 요소의 인덱스가 바뀌었습니다. 매개변수 테이블은 변경되지 않았습니다
따라서 arr2의 첫 번째 페이지의 첫 번째 행은 arr1의 첫 번째 페이지의 첫 번째 행과 같습니다
arr1 배열의 경우 인덱스 매개변수 테이블 [0, 1, x]는 첫 번째 페이지의 두 번째 행을 나타낼 수 있습니다. 현재 두 매개변수가 교체된 후 [0, 1, 0]과 같은 동일한 요소의 인덱스 값은 [1, 0, 0]이 됩니다. ,
인덱스 값이 4인 인덱스 매개변수 테이블의 차이점을 설명합니다.
이것은 대략적인 개념이므로 배열의 첫 번째 페이지의 두 번째 행인 transpose(1,0,2)와 두 번째 페이지의 첫 번째 행이 바뀌었습니다
다음 네 가지 전치 방법도 거의 같은 생각입니다. 주의 깊게 관찰하면 이해하기 어렵지 않을 것입니다.
arr3=arr1.transpose((0,2,1)) # [[[ 0 4] # [ 1 5] # [ 2 6] # [ 3 7]] # # [[ 8 12] # [ 9 13] # [10 14] # [11 15]]] arr4=arr1.transpose((2,0,1)) #[[[ 0 4] # [ 8 12]] # # [[ 1 5] # [ 9 13]] # # [[ 2 6] # [10 14]] # # [[ 3 7] # [11 15]]]
여기서 주목해야 할 것은 arr4 배열이 4페이지입니다. 페이지 번호와 줄 코드가 바뀌고
페이지 번호가 2에서 4
으로 변경되어 2가 되었기 때문입니다.
arr5=arr1.transpose((2,1,0)) #[[[ 0 8] # [ 4 12]] # # [[ 1 9] # [ 5 13]] # # [[ 2 10] # [ 6 14]] # # [[ 3 11] # [ 7 15]]] arr6=arr1.transpose((1,2,0)) #[[[ 0 8] # [ 1 9] # [ 2 10] # [ 3 11]] # # [[ 4 12] # [ 5 13] # [ 6 14] # [ 7 15]]]
또한 전치 (2, 0, 1)은 먼저 전치 (0, 2, 1)로 볼 수 있습니다. 그런 다음 전치 (1, 0, 2)
전치 (2, 1, 0) 먼저 전치 (1, 0, 2), 다음 전치 (0, 2, 1), 마지막으로 전치 (1, 0, 2)로 볼 수 있습니다
전치 (1, 2, 0)는 전치로 볼 수 있습니다 (1, 0, 2)를 먼저 바꾼 다음 (0, 2, 1)을 바꿉니다
코드는 다음과 같이 작성할 수 있습니다.
arr4=arr1.transpose(0,2,1).transpose(1,0,2)
#[[[ 0 4] # [ 8 12]] # # [[ 1 5] # [ 9 13]] # # [[ 2 6] # [10 14]] # # [[ 3 7] # [11 15]]]
같은 결과입니다!
관련 권장사항:
위 내용은 3차원 배열을 전치하는 numpy.transpose 메서드의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!