今天在网上搜寻了许多博客，始终没有真正理解numpy中的transpose()函数，
transpose 的原理其实是根据维度（shape）索引决定的，举个栗子：
x = np.arange(4).reshape((2,2)) //生成一个2x2的数组
print(x)
[[0 1]
[2 3]]
我们生成了一个维度为二维的数组，其中有两个索引值（矩阵的行与列）。
transpose()函数的作用就是调换数组的行列值的索引值，类似于求矩阵的转置：
x = np.arange(4).reshape((2,2))
x = np.transpose(x)
print(x)
[[0 2]
[1 3]]
我们可以直观的看到，数组的行列索引值对换，1的位置从x(0,1)跑到了x(1,0)。
那么三维数组呢？
我们继续生成一个三维的数组：
x = np.arange(12).reshape((2,2,3)) //生成一个2x2x3的数组
print(x)
[[[ 0 1 2]
[ 3 4 5]]
[[ 6 7 8]
[ 9 10 11]]]
我们从高中数学知道三维由x轴、y轴以及z轴组成。
假设三维数组当中的索引值为x，y，z
transpose()函数的作用就是调换x，y，z的位置，也就是数组的索引值。
所以我们正常的数组索引值为（0，1，2），等于（x，y，z）
我们来看实例代码：
x = np.arange(12).reshape((2,2,3))
print(x)
[[[ 0 1 2]
[ 3 4 5]]
[[ 6 7 8]
[ 9 10 11]]]
x = np.transpose(x,(1,0,2)) //transpose()函数的第二个参数就是改变索引值的地方
print(x)
[[[ 0 1 2]
[ 6 7 8]]
[[ 3 4 5]
[ 9 10 11]]]
通过transpose()函数改变了x的索引值为（1，0，2），对应（y，x，z）
索引改变后原本y的值和x的值对换了。
有上面代码的数字7为例，原本的7的位置索引为（1,0,1），通过transpose（x，（1，0，2））索引改变为（0，1，1）
无论四维、五维……都可以用这个原理分析。
懂了吧？原理其实很简单对不对！
对矩阵内的每一个元素都执行这样的运算就可以了
同理swapaxes()也是这样的操作,需要传入两个轴的编号.swapaxes也是返回源数据的视图(不会进行任何复制操作)
————————————————
版权声明：本文为CSDN博主「DeepGym」的原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/qq_37377691/article/details/80086480