Hướng dẫn transpose python - chuyển vị trăn

Hàm numpy.transpose () là một trong những hàm quan trọng nhất trong phép nhân ma trận. Hàm này hoán vị hoặc bảo lưu kích thước của mảng đã cho và trả về mảng đã sửa đổi.

Nội dung chính Show

Các bài viết liên quan:

Hàm numpy.transpose () thay đổi các phần tử hàng thành phần tử cột và phần tử cột thành phần tử hàng. Đầu ra của hàm này là một mảng đã sửa đổi của hàm ban đầu.

Cú pháp

numpy.transpose(arr, axis=None)  

Tham số

1. arr: array_like: array_like

Nó là một ndarray. Nó là mảng nguồn có các phần tử mà chúng ta muốn chuyển vị. Tham số này rất cần thiết và đóng một vai trò quan trọng trong hàm numpy.transpose ().

1. axis: Danh sách ints (): Danh sách ints ()

Nếu chúng tôi không chỉ định trục, thì theo mặc định, nó sẽ đảo ngược các kích thước nếu không sẽ hoán vị trục theo các giá trị đã cho.

Xem thêm Function trong R, các hàm trong R

Return

Hàm này trả về một ndarray. Mảng đầu ra là mảng nguồn, với trục của nó được hoán vị. Một chế độ xem được trả lại bất cứ khi nào có thể.

Ví dụ 1: numpy.transpose ()

import numpy as np  
a= np.arange(6).reshape((2,3))  
a  
b=np.transpose(a)  
b  

Output::

Trong đoạn code trên

• Chúng tôi đã tạo một mảng ‘a’ bằng cách sử dụng hàm np.arange () và tạo ra một hình dạng bằng cách sử dụng hàm reshape ().
• Chúng ta đã khai báo biến ‘b’ và gán giá trị trả về của hàm np.transpose ().
• Chúng tôi đã chuyển mảng ‘a’ trong hàm.
• Cuối cùng, chúng tôi đã cố gắng in giá trị của b.

Trong đầu ra, mảng chuyển vị của mảng ban đầu đã được hiển thị.

Ví dụ 2: numpy.transpose () với trục

import numpy as np  
a= np.array([[1, 2], [4, 5], [7, 8]])  
a  
b=np.transpose(a, (1,0))  
b   

Output::

Trong đoạn code trên

• Chúng tôi đã tạo một mảng ‘a’ bằng cách sử dụng hàm np.arange () và tạo ra một hình dạng bằng cách sử dụng hàm reshape ().
• Chúng ta đã khai báo biến ‘b’ và gán giá trị trả về của hàm np.transpose ().
• Chúng tôi đã chuyển mảng ‘a’ trong hàm.
• Cuối cùng, chúng tôi đã cố gắng in giá trị của b.

Trong đầu ra, mảng chuyển vị của mảng ban đầu đã được hiển thị.

Ví dụ 2: numpy.transpose () với trục

import numpy as np  
a=np.ones((12,32,123,64))  
b=np.transpose(a,(1,3,0,2)).shape  
b  
c=np.transpose(a,(0,3,1,2)).shape  
c  

Output::

• Chúng tôi đã tạo một mảng ‘a’ bằng hàm np.array ().
• Chúng ta đã chuyển mảng ‘a’ và trục trong hàm.
• Ví dụ 3: Định vị lại các phần tử bằng cách sử dụng numpy.transpose ()
• Chúng tôi đã tạo một mảng ‘a’ bằng hàm np.ones ().
• Chúng ta đã khai báo biến ‘b’ và ‘c’ và gán giá trị trả về của hàm np.transpose ().

Chúng ta đã chuyển mảng ‘a’ và vị trí của các phần tử mảng trong hàm.

numpy.transpose(arr, axis=None)  

import numpy as np  
a= np.arange(6).reshape((2,3))  
a  
b=np.transpose(a)  
b  

import numpy as np  
a= np.array([[1, 2], [4, 5], [7, 8]])  
a  
b=np.transpose(a, (1,0))  
b   

import numpy as np  
a=np.ones((12,32,123,64))  
b=np.transpose(a,(1,3,0,2)).shape  
b  
c=np.transpose(a,(0,3,1,2)).shape  
c  

numpy.transpose(arr, axis=None)  

import numpy as np  
a= np.arange(6).reshape((2,3))  
a  
b=np.transpose(a)  
b  

import numpy as np  
a= np.array([[1, 2], [4, 5], [7, 8]])  
a  
b=np.transpose(a, (1,0))  
b   

import numpy as np  
a=np.ones((12,32,123,64))  
b=np.transpose(a,(1,3,0,2)).shape  
b  
c=np.transpose(a,(0,3,1,2)).shape  
c  

Cuối cùng, chúng tôi đã cố gắng in giá trị của b và c.

Trong đầu ra, một mảng đã được hiển thị có các phần tử nằm ở vị trí xác định trong mảng.

Xem thêm Các lưu ý cần thiết để tăng năng suất khi lập trình (CODING)

Có vẻ như câu hỏi và ví dụ bắt nguồn từ cuốn sách Python để phân tích dữ liệu của Wes McKinney. Tính năng

import numpy as np  
a= np.arange(6).reshape((2,3))  
a  
b=np.transpose(a)  
b  

Đối với mảng có chiều cao hơn,

import numpy as np  
a= np.arange(6).reshape((2,3))  
a  
b=np.transpose(a)  
b  

Ở đây "hoán vị" có nghĩa là "sắp xếp lại", nên sắp xếp lại thứ tự các trục.

import numpy as np  
a= np.arange(6).reshape((2,3))  
a  
b=np.transpose(a)  
b  

Các số trong

import numpy as np  
a= np.arange(6).reshape((2,3))  
a  
b=np.transpose(a)  
b  

import numpy as np  
a= np.arange(6).reshape((2,3))  
a  
b=np.transpose(a)  
b  

import numpy as np  
a= np.array([[1, 2], [4, 5], [7, 8]])  
a  
b=np.transpose(a, (1,0))  
b   

import numpy as np  
a= np.arange(6).reshape((2,3))  
a  
b=np.transpose(a)  
b  

import numpy as np  
a= np.arange(6).reshape((2,3))  
a  
b=np.transpose(a)  
b  

import numpy as np  
a= np.arange(6).reshape((2,3))  
a  
b=np.transpose(a)  
b  

Ví dụ trong cuốn sách với một

import numpy as np  
a= np.array([[1, 2], [4, 5], [7, 8]])  
a  
b=np.transpose(a, (1,0))  
b   

import numpy as np  
a= np.array([[1, 2], [4, 5], [7, 8]])  
a  
b=np.transpose(a, (1,0))  
b   

import numpy as np  
a= np.array([[1, 2], [4, 5], [7, 8]])  
a  
b=np.transpose(a, (1,0))  
b   

Nếu chúng ta thử một ví dụ khác với mảng 3 chiều với mỗi chiều có một kích thước khác nhau, phần sắp xếp lại trở nên rõ ràng hơn. 0 bình luận chia sẻ