TRANSPOSEhan's
 
有的时候，我们需要将数据从列转置到行，或将数据从行转置到列。 可以通过复制、粘贴或者使用“转置”选项来执行此操作。 但这样做会创建重复的数据。 如果不希望产生重复数据，可选择键入公式，而不是用 TRANSPOSE 函数。 例如，在下图中，公式 =TRANSPOSE(A1:B4) 会选取单元格 A1 到 B4，并将它们水平排列。
 
TRANSPOSE
 
先来给大家看下最终实现的步骤及效果，gif图片展示更直观，看懂的就不用继续看下面的图文教教程了，记得关注山鹰课堂哦~
 
TRANSPOSE yan'shi
 
步骤 1：选择空白单元格
 
首先选择一些空白单元格。 但请确保选择的单元格数量与原始单元格数量相同，但方向不同。 例如，此处有 8 个垂直排列的单元格：
 
TRANSPOSE
 
因此，我们要选择 8 个水平排列的单元格，如下所示：
 
TRANSPOSE
 
转置的新单元格将位于此处。
 
步骤 2：键入 =TRANSPOSE(
 
使这些空单元格保持选中状态，键入：=TRANSPOSE(
 
Excel 的外观将如下所示：
 
TRANSPOSE
 
请注意，即使已开始输入公式，8 个单元格仍处于选中状态。
 
步骤 3：键入原始单元格的范围。
 
现在，键入想要转置的单元格范围。 在此示例中，我们要转置单元格 A1 到 B4。 所以此示例的公式是：= TRANSPOSE(A1:B4) -- ，但此时还不能按 Enter！ 停止键入，转到下一步。
 
Excel 的外观将如下所示：
 
TRANSPOSE
 
步骤 4：最后，按 Ctrl+Shift+Enter
 
现在按 CTRL + SHIFT + ENTER。 为什么？ 因为换位函数仅在数组公式中使用， 这就是完成数组公式的方法。 数组公式 (简称) 是应用于多个单元格的公式。 由于您在步骤1中选择了多个单元格 (已执行 "不是"), 公式将应用于多个单元格。 下面是按 CTRL + SHIFT + ENTER 后的结果：
 
TRANSPOSE
 
提示
 
无需手动键入范围。 键入 =TRANSPOSE( 后，可使用鼠标选择范围。 只需单击并从范围的开始处拖到结尾处。 但请记住：完成操作后，请按 Ctrl+Shift+Enter，而不只是 Enter。

tf.layers.conv2d_transpose 如下图所示，蓝色为输入，绿色输出，灰色为卷积核，虚线网格为0，所以也可以看作是补０之后的正常卷积
 
　　　　　　　　　　　　　　　　　
 
tf.layers.conv2d_transpose(inputs=img, filters=16, kernel_size=(6, 6), strides=(2, 2), padding='valid')
 
参数：filters: 输出的通道数
 
　　　kernel_size:卷积核的尺寸大小
 
　　　strides: 这个步长并不是卷积核的移动步长，strides-1 表示在输入元素之间补０的数量，同时反卷积的步长一定为1
 
　　　padding:和正常卷积也是相反的
 
观察之后看到，补0 过程分为两个部分：元素之间和外轮廓
 
1 、当padding = ‘valid’时：
 
     元素之间补0：（input_size - 1）×（strides - 1）
 
     外轮廓补0：（kernel_size - 1）× 2
 
     output_size = (input_size  + （input_size - 1）×（strides - 1） +（kernel_size - 1）× 2 - kernel_size ) / 1 + 1
 
2、当padding = ‘same’时：
 
     output_size = input_size × strides
 
     他是通过调整外轮廓的补0 数量实现的，如果不够，我个人觉得可能元素之间补0也会减少
 
 
 
img = np.random.randint(0, 255, (5, 16, 16, 32)).astype(np.float32)
img_t = tf.constant(img, tf.float32)

transpose_v = tf.layers.conv2d_transpose(inputs=img_t, filters=16, kernel_size=(6, 6), strides=(2, 2), padding='valid')
transpose_s = tf.layers.conv2d_transpose(inputs=img_t, filters=16, kernel_size=(6, 6), strides=(2, 2), padding='same')
print('valid 输出尺寸：', transpose_v.shape)
print('same 输出尺寸： ', transpose_s.shape)


valid 输出尺寸： (5, 36, 36, 16)
same 输出尺寸：  (5, 32, 32, 16)
 
 
 
 
 
 
 
 

 
今天要分享的是函数transpose的使用，其实这个函数的基本用法很简单，就是转置数据，下面还介绍了很多这个函数与其他函数的组合应用，快来看一看吧！
 
使用格式：TRANSPOSE(array)
 
1、基本用法
 

 
数据区域A1:D7是一个7行4列的单元格区域，所以需要选择一个4行7列的区域来存放转置后的数据。
 
选中单元格区域A10:G13输入公式：=TRANSPOSE(A1:D7)按三键结束。
 

 
注意：在公式的两端有一对花括号{}，这不是手动输入的，而是按三键。
 

 
函数TRANSPOSE的基本用法很简单，就是转置数据。那么接下来我们一起来看看函数TRANSPOSE与其他函数的组合应用。
 
2、函数TRANSPOSE与HLOOKUP的组合应用
 
根据业务员查找其对应的业绩：
 

 
垂直方向查找，首先想到的是使用函数VLOOKUP，其实使用函数HLOOKUP也能垂直方向查找，不过要借助函数TRANSPOSE的帮助。
 

 
输入公式：=HLOOKUP(D2,TRANSPOSE(A2:B7),2,0)按三键结束。
 
TRANSPOSE(A2:B7)部分将垂直方向的数据转置为水平方向；再用函数HLOOKUP水平方向查找。
 
3、函数TRANSPOSE与MMULT的组合应用
 
将下图左边表格中的数据汇总到右边表格中：
 

 
看到这个问题，有童鞋会说使用数据透视表很简单啊，拖拖拉拉就搞定！今天我们说的是函数TRANSPOSE，就要学以致用，运用函数TRANSPOSE与MMULT的组合来解决，那么公式该怎么写呢？
 

 
选中单元格区域F2:H5输入公式：=MMULT((E2:E5=TRANSPOSE(A2:A15))*1,(B2:B15=F1:H1)*C2:C15)按三键结束。
 
今天的分享就到这，如果教程对大家有用，

 
tf.transpose函数中文意思是转置，对于低维度的转置问题，低维的还可以理解高维有点懵
 
看了博客也不是很明白
 
tf.transpose函数
 
tf.transpose(
 
a,
 
perm=None,
 
name='transpose',
 
conjugate=False
 
)
 
置换 a,根据 perm 重新排列尺寸.
 
返回的张量的维度 i 将对应于输入维度 perm[i].如果 perm 没有给出,它被设置为(n-1 ... 0),其中 n 是输入张量的秩.因此,默认情况下,此操作在二维输入张量上执行常规矩阵转置.如果共轭为 True,并且 a.dtype 是 complex64 或 complex128,那么 a 的值是共轭转置和.
 
例如：
 
x = tf.constant([[1, 2, 3], [4, 5, 6]])
 
tf.transpose(x) # [[1, 4]
 
# [2, 5]
 
# [3, 6]]
 
# Equivalently
 
#
 
tf.transpose(x, perm=[1, 0]) # [[1, 4]
 
# [2, 5]
 
# [3, 6]]
 
tf.transpose(x, perm=[0, 1])#[[1, 2, 3]
 
# [4, 5, 6]]
 
对于二维数组此时perm数组取值只能是0 1，perm=[0,1],0代表二维数组的行，1代表二维数组的列 为初始状态与原来的数据相等 二维数组为2行3列的矩阵
 
tf.transpose(x, perm=[1,0])，与初始perm=[0,1]相比第一列与第二列互换也就是行列互换，变成3*2的矩阵，结果可由上面验证
 
x = tf.constant([[[ 1, 2, 3],
 
[ 4, 5, 6]],
 
[[ 7, 8, 9],
 
[10, 11, 12]]])#shape=(2, 2, 3)
 
tf.transpose(x, perm=[0, 1,2])#shape=(2, 2, 3)=x
 
a=tf.transpose(x, perm=[1, 0, 2])
 
'''
 
[[[ 1 2 3]
 
[ 7 8 9]]
 
[[ 4 5 6]
 
[10 11 12]]]'
 
'''
 
b=tf.transpose(x, perm=[1, 2,0])
 
'''
 
[[[ 1 7]
 
[ 2 8]
 
[ 3 9]]
 
[[ 4 10]
 
[ 5 11]
 
[ 6 12]]]
 
'''
 
tf.transpose的第二个参数perm=[0,1,2],0代表三维数组的高本例中为2，1代表二维数组的行本例中为2，2代表二维数组的列本例中为3。初始数组维度是2*2*3
 
tf.transpose(x, perm=[1,0,2])代表将三位数组的高和行进行转置。 (与perm=[0,1,2])相比 一二列互换 维度依旧是2*2*3
 

 
tf.transpose(x, perm=[1,2,0]) 原始perm=[0,1,2]交换第一第二维变成perm=[1,0,2]在交换2 3维度变成