在看一些文献的源码时，经常能看到numpy.transpose的应用，对于高维数组总是会令人费解，有时就会绕进去，查阅资料时看到一篇博客通过坐标系分析和代码验证，让我对transpose的用法恍然大悟的感觉，个人感觉十分便于理解，但是我发现原作者文章中的坐标有一点点问题（个人理解，若理解有误，欢迎指正），为了加深自己的印象，特地整理一下便于以后的学习。
参考博客：https://www.cnblogs.com/xiaoboge/p/9682364.html
首先我们先看一个代码：

>>> import numpy as np
>>> x=np.arange(4).reshape((2,2))
>>> x
array([[0, 1],[2, 3]])

对于二维的数字，transpose在不指定参数的情况下是默认矩阵的转置。

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

如果指定参数（0，1），如下所示，x并没有改变

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

如果指定参数（1，0），如下所示，x转置了

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

这是为什么呢？我们通过建立坐标轴很好很直观的看出这是为什么。我们可以设第一个方括号“[ ]”为0轴，第二个方括号“[ ]”为1轴，则x可在0-1坐标系下表示为：（红色的数字即为数组中的数据，黑色是坐标系刻）

因为x.transpose((0,1))表示按照原坐标轴改变序列，所以结果并不改变。而x.transpose((1,0))表示交换‘0轴’和‘1轴’。
保持清晰理解的关键是记住第一个方括号“[ ]”为0轴，第二个方括号“[ ]”为1轴 这样 transpose的关系就清晰了。
下面看一个三维的，以便加深理解。

>>> A=np.arange(16)
>>> A=A.reshape(2,2,4)
>>> A
array([[[0,1,2,3],[4,5,6,7],[[8,9,10,11],[12,13,14,15]]])

对于上面代码中的A表示成如下三维坐标的形式：

当我们使用A.transpose((0,1,2))，则A保持不变；A.transpose((1,0,2))就是将0轴与1轴交换。关键是记住第一个方括号“[ ]”为0轴，第二个方括号“[ ]”为1轴，第三个方括号“[ ]”为2轴

>>> A.transpose((1,0,2))
array([[[0,1,2,3],[8,9,10,11],[[4,5,6,7],[12,13,14,15]]])

将0轴与1轴交换若是设置不同的参数，以此类推。若有问题或好的方法帮助理解和学习，欢迎交流。