Numpy数组转置详解：transpose、T与swapaxes的使用与原理

Dylan

发布时间：2026-10-14| 4人浏览过

原创

本文深入解析Numpy中数组转置的三种方式：transpose函数、T属性及swapaxes轴交换。通过2x2x4及更高维度的具体代码示例，详细展示各元素索引在转置前后的变化规律，帮助开发者理解多维数组内存布局与轴对换机制，掌握高效的数据处理技巧。

Numpy转置操作概述

在进行Python数据分析时，Numpy是最核心的库之一，常用于处理数组和矩阵的转置操作，同时也涉及数据的存储优化。

Numpy中的转置（transpose）和轴对换是基础且重要的操作，为避免混淆，此处将分别详细阐述其用法与原理。

transpose函数与轴顺序详解


In [1]: import numpy as np 
 
In [2]: arr=np.arange(16).reshape(2,2,4) 
 
In [3]: arr 
Out[3]: 
array([[[ 0, 1, 2, 3], 
    [ 4, 5, 6, 7]], 
 
    [[ 8, 9, 10, 11], 
    [12, 13, 14, 15]]])

如上图所示，我们将0到15的数字填充到一个形状为2x2x4的矩阵中，生成结果如下。

接下来演示transpose转置操作，例如指定轴顺序为(1,0,2)。


In [4]: arr.transpose(1,0,2) 
Out[4]: 
array([[[ 0, 1, 2, 3], 
    [ 8, 9, 10, 11]], 
 
    [[ 4, 5, 6, 7], 
    [12, 13, 14, 15]]])

该结果是如何计算得出的呢？

我们逐一分析每个元素：数值0的原始坐标为[0,0,0]，转置后仍为[0,0,0]；原位于[0,1,2]的元素转置后坐标变为[1,0,2]。以此类推，对所有元素进行位置映射：

表格第一列为数值，第二列为转置前的坐标，第三列为转置后的坐标。观察转置后的坐标分布，结合上方的矩阵结果，即可清晰理解转置逻辑。


0 [0,0,0] [0,0,0]
1 [0,0,1] [0,0,1]
2 [0,0,2] [0,0,2]
3 [0,0,3] [0,0,3]
4 [0,1,0] [1,0,0]
5 [0,1,1] [1,0,1]
6 [0,1,2] [1,0,2]
7 [0,1,3] [1,0,3]
8 [1,0,0] [0,1,0]
9 [1,0,1] [0,1,1]
10 [1,0,2] [0,1,2]
11 [1,0,3] [0,1,3]
12 [1,1,0] [1,1,0]
13 [1,1,1] [1,1,1]
14 [1,1,2] [1,1,2]
15 [1,1,3] [1,1,3]

再看另一个示例：

T属性与多维数组转置


In [20]: arr.T
Out[20]:
array([[[ 0, 8],
    [ 4, 12]],
    [[ 1, 9],
    [ 5, 13]],
    [[ 2, 10],
    [ 6, 14]],
    [[ 3, 11],
    [ 7, 15]]])
In [21]: arr.transpose(2,1,0)
Out[21]:
array([[[ 0, 8],
    [ 4, 12]],
    [[ 1, 9],
    [ 5, 13]],
    [[ 2, 10],
    [ 6, 14]],
    [[ 3, 11],
    [ 7, 15]]])

对比转置前后的矩阵图示：


0 [0,0,0] [0,0,0] 
1 [0,0,1] [1,0,0] 
2 [0,0,2] [2,0,0] 
3 [0,0,3] [3,0,0] 
4 [0,1,0] [0,1,0] 
5 [0,1,1] [1,1,0] 
6 [0,1,2] [2,1,0] 
7 [0,1,3] [3,1,0] 
8 [1,0,0] [0,0,1] 
9 [1,0,1] [1,0,1] 
10 [1,0,2] [2,0,1] 
11 [1,0,3] [3,0,1] 
12 [1,1,0] [0,1,1] 
13 [1,1,1] [1,1,1] 
14 [1,1,2] [2,1,1] 
15 [1,1,3] [3,1,1]

通过直观对比，转置的概念便一目了然。实际上，只要动手编写代码验证，就能轻松掌握。此外，属性T的作用是将所有轴的顺序完全颠倒，例如：


In [22]: arr3=np.arange(16).reshape(2,2,2,2)
In [23]: arr3
Out[23]:
array([[[[ 0, 1],
     [ 2, 3]],
    [[ 4, 5],
     [ 6, 7]]],
    [[[ 8, 9],
     [10, 11]],
    [[12, 13],
     [14, 15]]]])
In [24]: arr3.T
Out[24]:
array([[[[ 0, 8],
     [ 4, 12]],
    [[ 2, 10],
     [ 6, 14]]],
    [[[ 1, 9],
     [ 5, 13]],
    [[ 3, 11],
     [ 7, 15]]]])
In [25]: arr3.transpose(3,2,1,0)
Out[25]:
array([[[[ 0, 8],
     [ 4, 12]],
    [[ 2, 10],
     [ 6, 14]]],
    [[[ 1, 9],
     [ 5, 13]],
    [[ 3, 11],
     [ 7, 15]]]])

这就是T属性的转置效果。对于上述arr3的转置前后坐标变化，此处不再赘述。

下面介绍swapaxes，即轴交换操作。

直接展示运行结果：

swapaxes轴交换操作


In [27]: arr.swapaxes(1,2) 
Out[27]: 
array([[[ 0, 4], 
    [ 1, 5], 
    [ 2, 6], 
    [ 3, 7]], 
 
    [[ 8, 12], 
    [ 9, 13], 
    [10, 14], 
    [11, 15]]]) 
 
In [28]: arr.transpose(0,2,1) 
Out[28]: 
array([[[ 0, 4], 
    [ 1, 5], 
    [ 2, 6], 
    [ 3, 7]], 
 
    [[ 8, 12], 
    [ 9, 13], 
    [10, 14], 
    [11, 15]]])

可以发现，swapaxes的功能是将矩阵中指定的两个轴进行互换。不信的话，再看一个例子：


In [29]: arr3
Out[29]:
array([[[[ 0, 1],
     [ 2, 3]],
    [[ 4, 5],
     [ 6, 7]]],
    [[[ 8, 9],
     [10, 11]],
    [[12, 13],
     [14, 15]]]])
In [30]: arr3.swapaxes(1,3)
Out[30]:
array([[[[ 0, 4],
     [ 2, 6]],
    [[ 1, 5],
     [ 3, 7]]],
    [[[ 8, 12],
     [10, 14]],
    [[ 9, 13],
     [11, 15]]]])
In [31]: arr3.transpose(0,3,2,1)
Out[31]:
array([[[[ 0, 4],
     [ 2, 6]],
    [[ 1, 5],
     [ 3, 7]]],
    [[[ 8, 12],
     [10, 14]],
    [[ 9, 13],
     [11, 15]]]])

亲自实践后会发现，这些操作并不复杂，切忌只看不练。

纸上得来终觉浅，绝知此事要躬行！希望大家共勉。

以上关于Numpy中转置transpose、T属性和swapaxes的实例讲解到此结束，希望能为读者提供参考，欢迎支持本站。