咨询Numpy中三维及以上数组transpose的工作机制与元素排布规则

背景铺垫 #

二维数组转置的内存关联 #

根据《Numpy指南》：

数组的两种内存布局通过转置操作关联。因此，如果A是（连续的）C风格数组，那么同一块内存可被用来将Aᵀ表示为（连续的）Fortran风格数组。这种底层关联在优化Fortran风格数组的内存使用时非常有用。

三维数组的初始示例 #

对于三维数组定义：

A = np.arange(6).reshape([1,2,3])

可以将A视为仅包含一个2行3列子矩阵的1×1分块矩阵，理论上可参照二维转置规则迭代处理。

具体问题 #

针对以下代码：

A = np.arange(6).reshape([1,2,3])
B = A.transpose(1,2,0)

需要明确transpose的工作逻辑，以及B的元素排布规则。

转置的核心逻辑：轴的重排 #

Numpy的transpose本质就是重新定义数组的轴顺序，传入的元组参数直接指定「新轴对应的原轴索引」。

先明确原数组A的基础属性：

• A.shape = (1, 2, 3)，对应的轴索引为0（第0维：块数/深度）、1（第1维：行）、2（第2维：列）
• A的元素实际结构：[[[0, 1, 2], [3, 4, 5]]]

执行B = A.transpose(1, 2, 0)时，相当于告诉Numpy：

• B的第0维对应A的第1维
• B的第1维对应A的第2维
• B的第2维对应A的第0维

元素排布的明确规则 #

根据轴的映射关系，直接推导B的元素位置：

1. 先确定B的形状：原A的第1维长度是2，第2维是3，第0维是1，所以B.shape = (2, 3, 1)
2. 对B中任意位置(i, j, k)，对应的原A中的位置为(k, i, j)（新轴顺序是(1,2,0)，即新轴索引0对应原轴1，新轴1对应原轴2，新轴2对应原轴0，反向映射即可得到原位置）

按此规则推导，B的最终元素结构为：

[[[0], [1], [2]],
 [[3], [4], [5]]]

补充：内存布局的特性 #

和二维数组转置一致，transpose不会修改原数组的内存数据，只是创建了一个新的「轴视图」。原A是C风格连续内存布局，转置后的B与A共享同一块内存，此时B的内存布局会变为Fortran风格连续。

内容的提问来源于stack exchange，提问作者zo Aoo