在NumPy中对4维数组进行转置

Question

我有一个4D数组（Python），其中包含10000个图像，每个图像有5个通道。每个图像的大小为25 * 25，即4D数组的形状为10000 * 5 * 25 * 25。

我需要转置这些图像。最简单的方法是使用嵌套循环：

            for i in range(np.shape(img)[0]):
                for j in range(np.shape(img)[1]):
                    img[i, j, :, :] = np.transpose(img[i, j, :, :])

但我相信有更有效率的方法可以完成这个任务。你有任何想法吗？

谢谢！

- user_3.14

---

这是 np.transpose(img, [0, 1, 3, 2])。我相信这在这里以前已经被问过了 :) - MB-F

对不起，我没有找到类似的问题。 - user_3.14

嗯...我只找到了这个：https://stackoverflow.com/q/41038976/3005167 但我必须承认它有点难找... - MB-F

作为进一步的信息：img[i, j, :, :] 等同于 img[i, j]，因此您可以节省一些索引，这可能会提高代码的可读性。 - Jürg W. Spaak

Answer 1

函数numpy.transpose足够通用，可以处理多维数组。默认情况下，它会颠倒维度的顺序。

但是，它还有一个可选的axis参数，用于显式指定重新排列维度的顺序。要交换4D数组中的最后两个维度（即转置图像堆叠），请使用以下代码：

np.transpose(x, [0, 1, 3, 2])

不需要循环，它可以直接作用于整个4D数组，并且非常高效。

以下是一些更多的示例：

np.transpose(x, [0, 1, 2, 3])  # leaves the array unchanged
np.transpose(x, [3, 2, 1, 0])  # same as np.transpose(x)
np.transpose(x, [0, 2, 1, 3])  # transpose a stack of images with channel in the last dim

- MB-F

---

看起来这种类型的问题还没有一个标准答案。或者至少我没有轻易地找到一个。希望这可以帮到你 :) - MB-F

在这种情况下，我们也可以使用 np.swapaxes(x, 2, 3) 来使代码更易读。 - Daniel F

没错，就是这样。个人而言，在大多数情况下我更喜欢使用“转置”。 - MB-F

该函数文档中有一个三维示例。 - hpaulj