numpy.transpose()实现数组转置与shape属性应用详解
发布时间：2026-10-13 |
1人浏览过
本文详解numpy中transpose()函数的用法，区分矩阵与数组概念。重点分析多维数组转置逻辑，并指出对一维列向量直接转置无效的问题。通过shape属性重塑数组结构，实现一维数组的有效转置操作，提供完整代码示例与结果分析。
矩阵与数组的概念区别
在讨论转置操作之前，有必要厘清矩阵与数组在概念上的差异。
矩阵是数学领域的概念，其核心特征在于元素必须为数值类型，这是它与数组最本质的区别。
数组则是计算机科学中的概念，作为一种数据组织与存储方式，其元素类型更加灵活，既可以是数值，也可以是字符。
数组的转置操作借鉴自线性代数中的矩阵转置原理，即将行与列进行对调。具体表现为将第一行转换为第一列，或者将第一列转换为第一行，这种行列互换的操作即定义为转置。
多维数组与一维数组的转置处理
1. 多维数组的转置
import numpy as np
test = np.array([[12,4,7,0],[3,7,45,81]])
test
# 以下为test输出的结果
array([[12, 4, 7, 0],
[ 3, 7, 45, 81]])
# 对test进行转置操作
test.transpose()
# 转置后得到的结果为
array([[12, 3],
[ 4, 7],
[ 7, 45],
[ 0, 81]])
2. 一维数组的转置
test = np.array([12,4,7,0])
test.shape
# test.shape的结果
(4,)
# 以下为test输出的结果
array([12, 4, 7, 0])
# 对test进行转置操作
result = test.transpose()
# 转置后得到的结果为
array([12, 4, 7, 0])
test.shape
# 一维数组（列向量）转置后的长度
(4,)
由此可见，直接对一维列向量执行转置操作，结果仍为一维列向量，结构并未发生实质变化。在实际应用中，若需改变其维度形态，应借助shape属性来完成转置。具体实现方法如下文所示。
result.shape=(1,4)
result
# 这时输出result的值如下，对比与上面一个code框内的result值
array([[12, 4, 7, 0]])
此时输出的result变量将呈现为一个包含一行四列的一维数组结构。
以上关于numpy.transpose()实现数组转置的示例及shape属性的应用技巧，即为本文分享的全部内容。希望上述内容能为您提供参考，欢迎继续支持本站获取更多信息。
本站声明
本文内容仅供参考，不代表本站观点。转载或引用请注明出处。如发现内容问题，请通过联系我们页面反馈。
