np.transpose 行为因不同的数组结构而异

Question

我在np.transpose中遇到了这种奇怪的行为，其中在numpy数组和从列表构造的数组上使用时它的工作方式不同。 作为 MWE，提供了以下代码。

import numpy as np

a = np.random.randint(0, 5, (1, 2, 3))
print(a.shape)
# prints (1, 2, 3)
b = np.transpose(a, (0, 2, 1))
print(b.shape)
# prints (1, 3, 2), which is expected

# Constructing array from list of arrays
c = np.array([np.random.randint(0, 5, (2, 3)), np.random.randint(0, 5, (2, 3)), np.random.randint(0, 5, (2, 3)), np.random.randint(0, 5, (2, 3))])
print(c.shape)
# prints (4, 2, 3)
d = np.transpose(c, (2, 0, 1))
print(d.shape)
# prints (3, 4, 2), whereas I expect it to be (2, 3, 4)

我不明白这种行为。 为什么从列表构造的数组的维度混淆了？ 任何帮助表示赞赏。

Answer 1

np.transpose()按照您指定的顺序选择您指定的维度。

在您的第一种情况下，您的数组形状是(1,2,3)即dimension->value格式，它是0 -> 1 、 1 -> 2和2 -> 3 。 在np.transpose()中，您请求订单0,2,1即1,3,2 。

在第二种情况下，您的数组形状是(4,2,3)即dimension->value格式，它是0 -> 4 、 1 -> 2和2 -> 3 。 在np.transpose()中，您请求订单2,0,1即3,4,2 。