转置（transpose）和轴对换
原文：https://www.cnblogs.com/sunshinewang/p/6893503.html
转置可以对数组进行重置，返回的是源数据的视图（不会进行任何复制操作）。
transpose方法、
T属性以及
swapaxes方法。
1 .T,适用于一、二维数组
In [ 1]: import numpy as npIn [2]: arr = np.arange(20).reshape(4,5)#生成一个4行5列的数组
In [3]: arr
Out[3]:
array([[ 0, 1, 2, 3, 4],
[ 5, 6, 7, 8, 9],
[10, 11, 12, 13, 14],
[15, 16, 17, 18, 19]])
In [4]: arr.T #求转置
Out[4]:
array([[ 0, 5, 10, 15],
[ 1, 6, 11, 16],
[ 2, 7, 12, 17],
[ 3, 8, 13, 18],
[ 4, 9, 14, 19]])
2. 高维数组
对于高维数组，transpose需要用到一个由轴编号组成的元组，才能进行转置。
这里，着实好好理解了一下。开始的时候怎么都想不明白。因为他跟矩阵转置理解起来不太一样。
主要参考：
AbstractSky的博客
Albert Chen
经管之家
对多维数组来说，确定最底层的一个基本元素位置需要用到的索引个数即是维度。这句话的理解可以结合我索引和切片的那篇文章理解。
我是这样的理解的，比如说三维的数组，那就对维度进行编号，也就是0,1,2。这样说可能比较抽象。这里的0,1,2可以理解为对shape返回元组的索引。
比如：
In [60]: arr1
Out[60]:
array([[[ 0, 1, 2],
[ 3, 4, 5]],
[[ 6, 7, 8],
[ 9, 10, 11]]])
In [61]: arr1.shape #看形状
Out[61]: (2, 2, 3) #说明这是一个223的数组（矩阵），返回的是一个元组，可以对元组进行索引，也就是0,1,2
| 形状 | 索引 |
|---|---|
| 2 | 0 |
| 2 | 1 |
| 3 | 2 |
所以说，transpose参数的真正意义在于这个shape元组的索引。
那么它的转置就应该是
In [62]: arr1.transpose((1,0,2))
Out[62]:
array([[[ 0, 1, 2],
[ 6, 7, 8]],
[[ 3, 4, 5],
[ 9, 10, 11]]])
比如，数值6开始的索引是[1,0,0]，变换后变成了[0,1,0]。
这也说明了，transpose依赖于shape。
但是，对于为什么转置最后一个索引是不动的，颇为不解。数组或者说矩阵的这块有点太抽象了。虽然我线代成绩不错，但是这玩意不太一样啊。
3.swapaxes
虽然还有点不解的地方，但是，理解了上方那部分之后，swapaxes方法也就很好理解了。它接受一对轴编号。进行轴对换。其实也就是shape参数。
高维数组的转置使用permute函数
具体调用语法
B = permute(A,order)
按照向量order指定的顺序重排A的各维。B中元素和A中元素完全相同。但由于经过重新排列，在A、B访问同一个元素使用的下标就不一样了。order中的元素必须各不相同。
例子：
A=rand(4,5,6);
size(A)
ans =
4 5 6B = permute(A,[2 1 3]);
size(B)
ans =
5 4 6
原来A是4x5x6的矩阵
按照顺序[2 1 3]转置之后，原来的第一，第二维顺序改变
B的大小是5x4x6
