如何对三维Numpy数组中的每个子数组执行转置操作？

嘿，我来帮你搞定这个子数组转置的需求！首先咱们先明确一下你的数组结构：原数组A的形状是(2,2,3)，你想要把每个外层的(2,3)子数组转置成(3,2)，最终得到形状为(2,3,2)的数组对吧？

你之前尝试用np.apply_along_axis没成功，其实是因为这个函数的设计场景和你的需求不匹配——它是沿着指定轴对一维切片应用函数，而不是直接对多维子数组操作，而且底层是循环实现，处理大型数组效率也不高。

推荐的高效解决方案 #

对于这种轴的重排需求，Numpy内置的transpose或swapaxes才是最优选择，它们都是矢量化操作，处理大型数组速度极快：

方法1：使用transpose指定轴顺序

我们只需要调整轴的顺序，把原来的轴(0,1,2)改成(0,2,1)，也就是保持最外层的轴（第0轴）不变，交换第1和第2轴：

import numpy as np
A = np.arange(1,13).reshape(2,2,3)
# 转置每个子数组
A_transpose = A.transpose(0, 2, 1)

方法2：使用swapaxes交换指定轴

如果只需要交换两个轴，swapaxes更简洁，直接指定要交换的两个轴索引（1和2）：

A_transpose = A.swapaxes(1, 2)

验证结果 #

运行上面的代码后，打印A_transpose就能得到你想要的结果：

print(A_transpose)
# 输出：
# [[[ 1  4]
#   [ 2  5]
#   [ 3  6]]
# 
#  [[ 7 10]
#   [ 8 11]
#   [ 9 12]]]

为什么这两个方法更适合大型数组？ #

这两个操作都是Numpy底层用C实现的矢量化操作，完全避免了Python层面的循环，处理GB级别的大型数组时，效率比apply_along_axis高几个数量级，绝对是处理这类需求的首选。

内容的提问来源于stack exchange，提问作者MrClean