np.transpose 不同数组结构的行为不同

Question

我在 np.transpose 中遇到了这种奇怪的行为，其中在 numpy 数组和从列表构造的数组上使用时它的工作方式不同。作为 MWE，提供了以下代码。

import numpy as np

a = np.random.randint(0, 5, (1, 2, 3))
print(a.shape)
# prints (1, 2, 3)
b = np.transpose(a, (0, 2, 1))
print(b.shape)
# prints (1, 3, 2), which is expected

# Constructing array from list of arrays
c = np.array([np.random.randint(0, 5, (2, 3)), np.random.randint(0, 5, (2, 3)), np.random.randint(0, 5, (2, 3)), np.random.randint(0, 5, (2, 3))])
print(c.shape)
# prints (4, 2, 3)
d = np.transpose(c, (2, 0, 1))
print(d.shape)
# prints (3, 4, 2), whereas I expect it to be (2, 3, 4)

我不理解这种行为。为什么从列表构造的数组的维度混淆了？感谢任何帮助。

Answer 1

np.transpose() 按照您指定的顺序选取您指定的维度。

在您的第一种情况下，您的数组形状是 (1,2,3)，即在 dimension->value 格式中，它是 0 -> 1、1 -> 2 和 2 -> 3。在 np.transpose() 中，您请求的订单 0,2,1 即 1,3,2.

在第二种情况下，您的数组形状是 (4,2,3)，即 dimension->value 格式，它是 0 -> 4、1 -> 2 和 2 -> 3。在 np.transpose() 中，您请求的订单 2,0,1 即 3,4,2.

np.transpose 不同数组结构的行为不同

np.transpose behavior different for different array constructions

python

arrays

transpose

numpy

python-3.x