NumPyの基本：配列の転置

元の行列のi行j列の要素が、j行i列の要素になった行列

[Take0] 転置のパターン3通り

【書式】

np.transpose(配列, 形状)

配列.transpose()

配列.T

【コード】

import numpy as np

 

# 乱数の固定

np.random.seed(0)

 

# 元配列作成

arr1=np.random.randint(1,10,(2,3,4))

print(arr1)

print(arr1.shape)

print("\n\n")

# テスト

print("転置後")

print("np.transpose(配列)\n※形状オプション無\n",np.transpose(arr1),"\n")

print("np.transpose(配列, 形状)\n",np.transpose(arr1,(2,1,0)),"\n")

print("配列.transpose()\n※形状オプション無\n",arr1.transpose(),"\n")

print("配列.transpose(形状)\n",arr1.transpose*1,"\n")

print("配列.T\n",arr1.T)

【結果】

[[[6 1 4 4]

[8 4 6 3]

[5 8 7 9]]

 

[[9 2 7 8]

[8 9 2 6]

[9 5 4 1]]]

(2, 3, 4)

 

 

 

転置後

np.transpose(配列)

※形状オプション無

[[[6 9]

[8 8]

[5 9]]

 

[[1 2]

[4 9]

[8 5]]

 

[[4 7]

[6 2]

[7 4]]

 

[[4 8]

[3 6]

[9 1]]]

 

np.transpose(配列, 形状)

[[[6 9]

[8 8]

[5 9]]

 

[[1 2]

[4 9]

[8 5]]

 

[[4 7]

[6 2]

[7 4]]

 

[[4 8]

[3 6]

[9 1]]]

 

配列.transpose()

※形状オプション無

[[[6 9]

[8 8]

[5 9]]

 

[[1 2]

[4 9]

[8 5]]

 

[[4 7]

[6 2]

[7 4]]

 

[[4 8]

[3 6]

[9 1]]]

 

配列.transpose(形状)

[[[6 9]

[8 8]

[5 9]]

 

[[1 2]

[4 9]

[8 5]]

 

[[4 7]

[6 2]

[7 4]]

 

[[4 8]

[3 6]

[9 1]]]

 

配列.T

[[[6 9]

[8 8]

[5 9]]

 

[[1 2]

[4 9]

[8 5]]

 

[[4 7]

[6 2]

[7 4]]

 

[[4 8]

[3 6]

[9 1]]]

全て同じ動作になる。

[Take1] transpose()の形状オプション を使った転置

【書式】

np.transpose(配列, 形状)

配列.transpose(形状)

引数が少々複雑。図参照。

【コード】

import numpy as np

 

# 乱数の固定

np.random.seed(0)

 

# 元配列作成

arr1=np.random.randint(1,10,(2,3,4))

print("arr1=\n",arr1)

print("arr1.shape=\n",arr1.shape)

print("\n\n")

print("arr1(変換後1)=\n",np.transpose(arr1,(1,0,2)))

print("\n\n")

print("arr1(変換後2)=\n",arr1.transpose((1,0,2)))

【結果】

arr1=

[[[6 1 4 4]

[8 4 6 3]

[5 8 7 9]]

 

[[9 2 7 8]

[8 9 2 6]

[9 5 4 1]]]

arr1.shape=

(2, 3, 4)

 

 

 

arr1(変換後1)=

[[[6 1 4 4]

[9 2 7 8]]

 

[[8 4 6 3]

[8 9 2 6]]

 

[[5 8 7 9]

[9 5 4 1]]]

 

 

 

arr1(変換後2)=

[[[6 1 4 4]

[9 2 7 8]]

 

[[8 4 6 3]

[8 9 2 6]]

 

[[5 8 7 9]

[9 5 4 1]]]

*1:2,1,0