numpy.transpose后flatten的实现逻辑及复现方法问询

我尝试自己实现Numpy的transpose+flatten处理流程：仅交换目标维度与最后一维完成转置，再将元素位置转换为线性索引，但得到的元素顺序和numpy.flatten()输出不一致。想知道Numpy是怎么实现这一逻辑的，以及如何做到和它行为一致。以下是具体示例：

示例步骤 #

步骤1：创建一维数组 #

import numpy as np
1d_Arr = np.array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15])

步骤2：重塑为3D数组 #

3d_Arr = 1d_Arr.reshape((2,2,4))

步骤3：转置后展平 #

row_transpose   = 3d_Arr.transpose((2,1,0)).flatten()
col_transpose   = 3d_Arr.transpose((0,2,1)).flatten()
depth_transpose = 3d_Arr.transpose((0,1,2)).flatten()

步骤4：索引与线性索引获取代码 #

# 返回元素在数组中的位置，例如(2,0,1)
# i：数组元素的值
indices = np.where(anArray == i)
# 返回给定索引对应的线性索引
linear_idx = np.ravel_multi_index(indices, anArray.shape)

期望输出 #

row-transpose-flatten   = [ 0  8  4 12  1  9  5 13  2 10  6 14  3 11  7 15]  
col-transpose-flatten   = [ 0  4  1  5  2  6  3  7  8 12  9 13 10 14 11 15]  
depth-transpose-flatten = [ 0  1  2  3  4  5  6  7  8  9 10 11 12 13 14 15]

Numpy的核心实现逻辑 #

1. transpose本质是轴顺序重排 #

Numpy的transpose(axes)参数定义的是新数组的轴与原数组轴的对应关系。比如transpose((2,1,0))表示：新数组的第0轴对应原数组的第2轴，新数组的第1轴对应原数组的第1轴，新数组的第2轴对应原数组的第0轴。

2. flatten默认按行优先（C顺序）遍历 #

flatten()默认使用order='C'，也就是最后一个轴最快遍历的顺序读取元素。举个例子：

• 对transpose((0,2,1))后的数组，新轴顺序是原轴0→原轴2→原轴1，展平时会先固定原轴0，遍历原轴2（列）的所有元素，再遍历原轴1（行）的下一个位置，以此类推。

3. 线性索引的计算规则 #

Numpy内部计算线性索引时，是基于新数组的轴顺序和行优先规则。比如原数组索引为(z, y, x)（对应轴0、1、2），经过transpose((2,1,0))后，新数组的索引是(x, y, z)，新数组形状为(4,2,2)，对应的线性索引公式为：

linear_idx = x * (2*2) + y * 2 + z

遍历所有x、y、z的可能取值，就能得到展平后的元素顺序。

4. 手动实现的正确方式 #

如果要自己实现和Numpy一致的逻辑，不需要先交换维度再转线性索引，直接按新轴的行优先顺序遍历原数组即可。比如实现row_transpose_flatten：

result = []
# 按新轴顺序x(原轴2) → y(原轴1) → z(原轴0)遍历
for x in range(4):
    for y in range(2):
        for z in range(2):
            # 原一维数组的索引计算：z*2*4 + y*4 + x
            result.append(1d_Arr[z*8 + y*4 + x])
# 结果与Numpy输出一致
print(result)  # [0,8,4,12,1,9,5,13,2,10,6,14,3,11,7,15]

内容的提问来源于stack exchange，提问作者comp1023us