转置和轴对换
转置可以对数组进行重置，返回的是源数据的视图（不会进行任何复制操作）。
转置有三种方式，
transpose方法、T属性以及swapaxes方法。
1 .T(适用于一、二维数组)
In [1]: import numpy as np
In [2]: arr = np.arange(20).reshape(4,5)#生成一个4行5列的数组
In [3]: arr
Out[3]:
array([[ 0, 1, 2, 3, 4],
[ 5, 6, 7, 8, 9],
[10, 11, 12, 13, 14],
[15, 16, 17, 18, 19]])
In [4]: arr.T #求转置
Out[4]:
array([[ 0, 5, 10, 15],
[ 1, 6, 11, 16],
[ 2, 7, 12, 17],
[ 3, 8, 13, 18],
[ 4, 9, 14, 19]])
2.transpose(适用于高维数组)
对于高维数组，transpose需要用到一个由轴编号组成的元组，才能进行转置。
他跟矩阵转置理解起来不太一样。
对多维数组来说，确定最底层的一个基本元素位置需要用到的索引个数即是维度。
例如一个三维的数组，那就对维度进行编号，也就是0,1,2。这样说可能比较抽象。这里的0,1,2可以理解为对shape返回元组的索引。
比如：
In [1]: arr1 = np.arange(12).reshape(2,2,3)
In [1]: arr1
Out[1]:
array([[[ 0, 1, 2],
[ 3, 4, 5]],
[[ 6, 7, 8],
[ 9, 10, 11]]])
In [2]: arr1.shape #看形状
Out[2]: (2, 2, 3)
#说明这是一个2*2*3的数组（矩阵），返回的是一个元组，可以对元组进行索引，也就是0,1,2
| 形状 | 索引 |
|---|---|
| 2 | 0 |
| 2 | 1 |
| 3 | 2 |
所以说，transpose参数的真正意义在于这个shape元组的索引。
那么它的转置就应该是
In [3]: arr1.transpose((1,0,2))
Out[3]:
array([[[ 0, 1, 2],
[ 6, 7, 8]],
[[ 3, 4, 5],
[ 9, 10, 11]]])
比如，数值6开始的索引是[1,0,0]，变换后变成了[0,1,0]。
这也说明了，transpose依赖于shape。
3.swapaxes
理解了上方那部分之后，swapaxes方法也就很好理解了。它接受一对轴编号。进行轴对换。其实也就是shape参数。
In [4]: arr2 = np.arange(16).reshape(2,2,4)
In [4]: arr2
Out[4]:
array([[[ 0, 1, 2, 3],
[ 4, 5, 6, 7]],
[[ 8, 9, 10, 11],
[12, 13, 14, 15]]])
In [5]: arr2.shape
Out[5]: (2, 2, 4)
In [6]: arr2.swapaxes(1,2)
Out[6]:
array([[[ 0, 4],
[ 1, 5],
[ 2, 6],
[ 3, 7]],
[[ 8, 12],
[ 9, 13],
[10, 14],
[11, 15]]])
In [7]: arr2.swapaxes(1,0)#转置，对比transpose（1,0,2）
Out[7]:
array([[[ 0, 1, 2, 3],
[ 8, 9, 10, 11]],
[[ 4, 5, 6, 7],
[12, 13, 14, 15]]])
