在 numpy 中转置 4-d 数组答案

【问题标题】：transpose on 4-d array in numpy在 numpy 中转置 4-d 数组
【发布时间】：2017-08-07 12:41:01
【问题描述】：

我有一个 4d 数组 (python)，其中包含一批 10000 个图像，每个图像中有 5 个通道。每个图像为 25*25，即 4d 阵列形状为 10000*5*25*25。

我需要转置图像。天真的方法是使用嵌套循环：

            for i in range(np.shape(img)[0]):
                for j in range(np.shape(img)[1]):
                    img[i, j, :, :] = np.transpose(img[i, j, :, :])

但我确信有一种更有效的方法可以做到这一点。你有什么想法吗？

谢谢！

【问题讨论】：

它是np.transpose(img, [0, 1, 3, 2])。不过，我敢肯定，这里之前已经有人问过这个问题：)
对不起，我没有找到类似的问题。
hmm.. 我只能找到这个：stackoverflow.com/q/41038976/3005167 但我不得不承认它有点难找...
作为进一步的信息：img[i ,j ,: ,: ] 相当于img[i ,j ]，所以你可以节省一些索引，这可能会提高你代码的可读性

标签： python arrays numpy multidimensional-array transpose

【解决方案1】：

函数numpy.transpose 足够通用，可以处理多维数组。默认情况下，它会反转维度的顺序。

但是，它需要一个可选的axis 参数，该参数明确指定重新排列维度的顺序。要交换 4D 数组中的最后两个维度（即转置一堆图像）：

np.transpose(x, [0, 1, 3, 2])

不需要循环，它只适用于整个 4D 数组并且非常高效。

更多示例：

np.transpose(x, [0, 1, 2, 3])  # leaves the array unchanged
np.transpose(x, [3, 2, 1, 0])  # same as np.transpose(x)
np.transpose(x, [0, 2, 1, 3])  # transpose a stack of images with channel in the last dim

【讨论】：

看起来这类问题还没有规范的答案。或者至少我不容易找到一个。希望这会有所帮助:)
在这种情况下也可以使用np.swapaxes(x, 2, 3) 使其更具可读性。
是的，没错。就个人而言，我更喜欢在大多数情况下使用transpose。
函数文档有3d示例。