numpy中最难理解的就是轴的transpose（转置）了，下面用实例说明它是如何进行转置的。
传给transpose的参数是以轴编号组成的元组，返回的结果是源数据是视图，而不是拷贝，即对transpose的修改都会反应到原始数据上。
另外注意下，因为上一节刚讲了引用和拷贝，而且也说了“python中的赋值操作一般都是储存对象的引用，而不是这些对象的拷贝 ”，但是numpy本来就是被设计用来处理大数据的，为了提升效率，所以numpy中的大部分都是对原始视图的操作。
arr = np.arange(16).reshape((2,2,4))#2,2,4分别对应0，1，2轴 print("arr:") print(arr.shape) print(arr)out
arr: (2, 2, 4) [[[ 0 1 2 3] [ 4 5 6 7]] [[ 8 9 10 11] [12 13 14 15]]]arr2 = arr.transpose((1,0,2))#这里就是对应的轴编号。 print("1和0轴转换后：") print(arr2)out
1和0轴转换后： [[[ 0 1 2 3] [ 8 9 10 11]] [[ 4 5 6 7] [12 13 14 15]]]这里貌似看不出来它是怎么转的。原来的shape为(2,2,4)，对应的轴为(0,1,2)，现在transpose((1,0,2))，即轴1和0轴进行了转换，拿其中的几个数举例。
原来数字8的位置：(1,0,0)，转换后的位置：(0,1,0)，正是1和0轴进行了对调。
原来的数字12位置：(1,1,0)，因为其轴0和轴1的位置都是1，所以转换后的位置没变，还是(1,1,0)。
下面再看1和2轴的转换也就类似了。
arr3 = arr.transpose((0,2,1)) print("1和2轴转换后：") print(arr3)out
1和2轴转换后： [[[ 0 4] [ 1 5] [ 2 6] [ 3 7]] [[ 8 12] [ 9 13] [10 14] [11 15]]] 同样举例：
原来数字1的位置：(0,0,1)，对调后就变成了(0,1,0)，正是1和2轴的位置换了下。
数字11的位置：(1,0,3)，对调后就变成了(1,3,0)，也正是1和2轴的位置换了下。