Numpy / 不确定 np.swapaxes(array, 1,2) 和 np.swapaxes(array, 2,1) 之间的等价性？答案

【问题标题】：Numpy / Uncertain about equivalence between np.swapaxes(array, 1,2) and np.swapaxes(array, 2,1)?Numpy / 不确定 np.swapaxes(array, 1,2) 和 np.swapaxes(array, 2,1) 之间的等价性？
【发布时间】：2020-05-20 18:33:30
【问题描述】：

我对@987654321@ 的使用并不那么自在，并放下我的骄傲来问这个可能很愚蠢的问题。

考虑到 3D 数组（例如 (2, 4, 3)），np.swapaxes(array, 1,2) 与np.swapaxes(array, 2,1) 给出相同的结果是否正常？

array = np.array([[[1.0, -1.0, -2.0],[-1.0, -2.0, -10.0],[-2.0, -10.0, 11.0],[-10.0, 11.0, 4.0]],
                  [[1.1, -1.1, -2.1],[-1.1, -2.1, -10.1],[-2.1, -10.1, 21.1],[-10.1, 21.1, 2.1]]])

swapaxed1 = np.swapaxes(array, 1,2)
swapaxed2 = np.swapaxes(array, 2,1)
swapaxed1 == swapaxed2

array 的尺寸会有所不同吗？

感谢您帮助我们更好地理解 swapaxes 在这种情况下。最好的，

【问题讨论】：

这是一个对称操作，它总是会给出相同的结果。

标签： python arrays numpy

【解决方案1】：

在多维数组中，一组索引（非负整数）用于引用该数组中的特定值。维数决定了唯一指定元素所需的此类整数的数量。因此，对于 m x n x p 3-D 数组，您需要一组整数 (i, j, k)。需要注意的是，这是一组有序整数，这意味着它们的排列顺序很重要，因为每个整数都与数组的一个维度相关联。

swapaxes 所做的只是为数组中的特定值更改这些索引的顺序。如果交换轴 0 和 1，则原来由唯一整数集合 (i, j, k) 引用的 值现在将由 (j, i, k) 的集合引用) ：前两个索引被交换，因为它们绑定的轴已被交换。

因此您明白为什么它总是必须相同：它是一个交换，并且只有参考索引的顺序被交换。（至少在这种情况下，最重要的是 numpy 为实现这一点而实际执行的所有操作。）在二维中，交换轴操作仅相当于转置。

在this SO 讨论中了解更多信息。特别是，GoingMyWay 的回答可能会帮助您更好地对其进行可视化。

【讨论】：