如何快速反轉Numpy數組

在Numpy中，對於一些二維和多維數組，在進行數據分析和模型訓練的時候，常常需要將其反轉，但是如果採用循環的方式實現數組的轉置是非常耗費時間的，本文將會介紹如何利用Numpy的內置函數，快速反轉Numpy數組。

一、矩陣的轉置

Numpy中提供了transpose()函數和T屬性，用於矩陣的轉置。transpose()函數和T屬性的效果是相同的，將矩陣的行和列交換。

import numpy as np

# 創建一個3行5列的矩陣
arr = np.arange(15).reshape((3,5))
print("原始矩陣:")
print(arr)

# 矩陣轉置
transpose_arr1 = arr.transpose() # 使用transpose()函數
transpose_arr2 = arr.T # 使用T屬性

print("轉置後的矩陣1:")
print(transpose_arr1)
print("轉置後的矩陣2:")
print(transpose_arr2)

代碼解析：

首先，我們導入了Numpy庫，並利用arange()和reshape()函數創建了一個3行5列的矩陣。接着，分別使用了transpose()函數和T屬性對矩陣進行轉置操作，並將結果打印出來。

執行結果如下：

原始矩陣:
array([[ 0,  1,  2,  3,  4],
       [ 5,  6,  7,  8,  9],
       [10, 11, 12, 13, 14]])
轉置後的矩陣1:
array([[ 0,  5, 10],
       [ 1,  6, 11],
       [ 2,  7, 12],
       [ 3,  8, 13],
       [ 4,  9, 14]])
轉置後的矩陣2:
array([[ 0,  5, 10],
       [ 1,  6, 11],
       [ 2,  7, 12],
       [ 3,  8, 13],
       [ 4,  9, 14]])

我們可以看到，經過轉置操作後，原始矩陣的行和列進行了交換，並且使用transpose()函數和T屬性得到的結果是相同的。

二、多維數組的轉置

對於多維數組，如果需要對指定的維度進行轉置，則需要使用到transpose()函數的另外一個參數——axes。通過傳遞一組軸編號，軸的順序將被重新排列。

import numpy as np

# 創建一個3x4x5的多維數組
arr = np.arange(60).reshape((3,4,5))
print("原始數組:")
print(arr)

# 對指定維度進行轉置
transpose_arr = np.transpose(arr, (0,2,1))

print("轉置後的數組:")
print(transpose_arr)

代碼解析：

首先，我們導入了Numpy庫，並利用arange()和reshape()函數創建了一個3x4x5的數組。我們想要對第二個維度進行轉置，也就是將每一個4×5的矩陣行列交換。因此，我們使用np.transpose()函數，並在第二個參數中傳入一個軸編號的元組(0,2,1)。這個元組指明了我們想要怎麼重新排序軸。

執行結果如下：

原始數組:
[[[ 0  1  2  3  4]
  [ 5  6  7  8  9]
  [10 11 12 13 14]
  [15 16 17 18 19]]

 [[20 21 22 23 24]
  [25 26 27 28 29]
  [30 31 32 33 34]
  [35 36 37 38 39]]

 [[40 41 42 43 44]
  [45 46 47 48 49]
  [50 51 52 53 54]
  [55 56 57 58 59]]]
轉置後的數組:
[[[ 0  5 10 15]
  [ 1  6 11 16]
  [ 2  7 12 17]
  [ 3  8 13 18]
  [ 4  9 14 19]]

 [[20 25 30 35]
  [21 26 31 36]
  [22 27 32 37]
  [23 28 33 38]
  [24 29 34 39]]

 [[40 45 50 55]
  [41 46 51 56]
  [42 47 52 57]
  [43 48 53 58]
  [44 49 54 59]]]

我們可以看到，對第二個維度進行轉置後，每個4×5的矩陣行和列互換了位置。

三、水平和垂直反轉

除了使用transpose()函數實現數組的轉置之外，Numpy還提供了flip()函數和flipud()函數，用於對數組進行水平和垂直反轉。其中flip()函數對所有維度上的元素進行反轉，而flipud()函數則只對第一個維度上的元素進行反轉。

import numpy as np

# 創建一個5x4的矩陣
arr = np.arange(20).reshape((5,4))
print("原始矩陣:")
print(arr)

# 水平反轉
flip_arr1 = np.fliplr(arr) # 使用fliplr()函數
flip_arr2 = arr[:, ::-1] # 使用切片操作

# 垂直反轉
flip_arr3 = np.flipud(arr) # 使用flipud()函數
flip_arr4 = arr[::-1, :] # 使用切片操作

print("水平反轉後的矩陣1:")
print(flip_arr1)
print("水平反轉後的矩陣2:")
print(flip_arr2)
print("垂直反轉後的矩陣1:")
print(flip_arr3)
print("垂直反轉後的矩陣2:")
print(flip_arr4)

代碼解析：

首先，我們導入了Numpy庫，並利用arange()和reshape()函數創建了一個5×4的矩陣。接着，分別使用了fliplr()函數、flipud()函數和切片操作，對矩陣進行了水平和垂直反轉，並將結果打印出來。

執行結果如下：

原始矩陣:
array([[ 0,  1,  2,  3],
       [ 4,  5,  6,  7],
       [ 8,  9, 10, 11],
       [12, 13, 14, 15],
       [16, 17, 18, 19]])
水平反轉後的矩陣1:
array([[ 3,  2,  1,  0],
       [ 7,  6,  5,  4],
       [11, 10,  9,  8],
       [15, 14, 13, 12],
       [19, 18, 17, 16]])
水平反轉後的矩陣2:
array([[ 3,  2,  1,  0],
       [ 7,  6,  5,  4],
       [11, 10,  9,  8],
       [15, 14, 13, 12],
       [19, 18, 17, 16]])
垂直反轉後的矩陣1:
array([[16, 17, 18, 19],
       [12, 13, 14, 15],
       [ 8,  9, 10, 11],
       [ 4,  5,  6,  7],
       [ 0,  1,  2,  3]])
垂直反轉後的矩陣2:
array([[16, 17, 18, 19],
       [12, 13, 14, 15],
       [ 8,  9, 10, 11],
       [ 4,  5,  6,  7],
       [ 0,  1,  2,  3]])

我們可以看到，對原始矩陣進行水平和垂直反轉後，結果分別和使用fliplr()函數、flipud()函數和切片操作得到的結果是相同的。