
- NumPy 教程
- NumPy - 首頁
- NumPy - 簡介
- NumPy - 環境配置
- NumPy 陣列
- NumPy - Ndarray 物件
- NumPy - 資料型別
- NumPy 建立和運算元組
- NumPy - 陣列建立例程
- NumPy - 陣列操作
- NumPy - 從現有資料建立陣列
- NumPy - 從數值範圍建立陣列
- NumPy - 遍歷陣列
- NumPy - 陣列重塑
- NumPy - 陣列連線
- NumPy - 陣列堆疊
- NumPy - 陣列分割
- NumPy - 陣列扁平化
- NumPy - 陣列轉置
- NumPy 索引和切片
- NumPy - 索引和切片
- NumPy - 高階索引
- NumPy 陣列屬性和操作
- NumPy - 陣列屬性
- NumPy - 陣列形狀
- NumPy - 陣列大小
- NumPy - 陣列步長
- NumPy - 陣列元素大小
- NumPy - 廣播
- NumPy - 算術運算
- NumPy - 陣列加法
- NumPy - 陣列減法
- NumPy - 陣列乘法
- NumPy - 陣列除法
- NumPy 高階陣列操作
- NumPy - 交換陣列軸
- NumPy - 位元組交換
- NumPy - 複製和檢視
- NumPy - 元素級陣列比較
- NumPy - 陣列過濾
- NumPy - 陣列連線
- NumPy - 排序、搜尋和計數函式
- NumPy - 陣列搜尋
- NumPy - 陣列並集
- NumPy - 查詢唯一行
- NumPy - 建立日期時間陣列
- NumPy - 二元運算子
- NumPy - 字串函式
- NumPy - 數學函式
- NumPy - 統計函式
- NumPy - 矩陣庫
- NumPy - 線性代數
- NumPy - Matplotlib
- NumPy - 使用 Matplotlib 繪製直方圖
- NumPy - NumPy 的 I/O 操作
- NumPy 排序和高階操作
- NumPy - 陣列排序
- NumPy - 沿軸排序
- NumPy - 使用花式索引排序
- NumPy - 結構化陣列
- NumPy - 建立結構化陣列
- NumPy - 操作結構化陣列
- NumPy - 欄位訪問
- NumPy - 記錄陣列
- Numpy - 載入陣列
- Numpy - 儲存陣列
- NumPy - 向陣列追加值
- NumPy - 交換陣列列
- NumPy - 向陣列插入軸
- NumPy 處理缺失資料
- NumPy - 處理缺失資料
- NumPy - 識別缺失值
- NumPy - 刪除缺失資料
- NumPy - 填充缺失資料
- NumPy 效能最佳化
- NumPy - 使用陣列進行效能最佳化
- NumPy - 使用陣列進行向量化
- NumPy - 陣列的記憶體佈局
- Numpy 線性代數
- NumPy - 線性代數
- NumPy - 矩陣庫
- NumPy - 矩陣加法
- NumPy - 矩陣減法
- NumPy - 矩陣乘法
- NumPy - 元素級矩陣運算
- NumPy - 點積
- NumPy - 矩陣求逆
- NumPy - 行列式計算
- NumPy - 特徵值
- NumPy - 特徵向量
- NumPy - 奇異值分解
- NumPy - 解線性方程組
- NumPy - 矩陣範數
- NumPy 元素級矩陣運算
- NumPy - 求和
- NumPy - 求平均值
- NumPy - 求中位數
- NumPy - 求最小值
- NumPy - 求最大值
- NumPy 集合運算
- NumPy - 唯一元素
- NumPy - 交集
- NumPy - 並集
- NumPy - 差集
- NumPy 有用資源
- NumPy 編譯器
- NumPy - 快速指南
- NumPy - 有用資源
- NumPy - 討論
NumPy ndarray.T 屬性
NumPy 的ndarray.T 屬性用於返回陣列的轉置,本質上是軸被置換的陣列。
對於二維陣列,它交換行和列。它不會建立新的陣列,而是返回原始陣列的檢視,其維度已更改。
此操作對於線性代數計算和資料操作任務特別有用。
語法
NumPy ndarray.T 屬性的語法如下:
ndarray.T
引數
此屬性不接受任何引數。
返回值
ndarray.T 屬性返回一個新陣列,它是原始陣列的轉置。
示例 1
以下示例演示了 NumPy ndarray.T 屬性的基本用法,透過交換行和列來轉置二維矩陣。
import numpy as np # Creating a 2D array (matrix) matrix = np.array([[1, 2], [3, 4]]) # Transposing the matrix transposed_matrix = matrix.T print("Original Matrix:") print(matrix) print("Transposed Matrix:") print(transposed_matrix)
輸出
Original Matrix: [[1 2] [3 4]] Transposed Matrix: [[1 3] [2 4]]
示例 2
在此示例中,我們展示了ndarray.T 屬性如何在三維陣列上工作,透過交換第一軸和第三軸。
import numpy as np # Creating a 3D array array_3d = np.array([[[1, 2, 3], [4, 5, 6]], [[7, 8, 9], [10, 11, 12]]]) # Transposing the 3D array transposed_3d = array_3d.T print("Original 3D Array:") print(array_3d) print("Transposed 3D Array:") print(transposed_3d)
輸出
Original 3D Array: [[[ 1 2 3] [ 4 5 6]] [[ 7 8 9] [10 11 12]]] Transposed 3D Array: [[[ 1 7] [ 4 10]] [[ 2 8] [ 5 11]] [[ 3 9] [ 6 12]]]
示例 3
在此示例中,ndarray.T 屬性更改了陣列的軸,對於二維陣列,有效地交換了行和列。
import numpy as np # Create a 3x4 array a = np.arange(12).reshape(3, 4) print('The original array is:') print(a) print('\n') print('The transposed array is:') print(np.transpose(a))
輸出
The original array is: [[ 0 1 2 3] [ 4 5 6 7] [ 8 9 10 11]] The transposed array is: [[ 0 4 8] [ 1 5 9] [ 2 6 10] [ 3 7 11]]
numpy_array_manipulation.htm
廣告