NumPy.array三维数组

Numpy中三维数组的坐标轴表示

第一个维度对应高度坐标轴y，通常称为纵向坐标轴或轴0。
第二个维度对应宽度坐标轴x，通常称为横向坐标轴或轴1。
第三个维度对应深度坐标轴z，通常称为深度坐标轴或轴2。

shape函数

在NumPy中，shape 是一个用于获取数组维度信息的属性（attribute）。它返回一个包含数组维度大小的元组，该元组的长度取决于数组的维度。这个元组中的每个元素表示数组在相应维度上的大小。

示例代码

import numpy as np

# 创建1x2x3的三维数组
array1 = np.array([[[1, 2, 3], [4, 5, 6]]])
print("1x2x3 数组的维数：", array1.shape)
print("1x2x3 数组的内容：")
print(array1)

# 创建2x3x1的三维数组
array2 = np.array([[[1], [2], [3]], [[4], [5], [6]]])
print("2x3x1 数组的维数：", array2.shape)
print("2x3x1 数组的内容：")
print(array2)

运行结果

（1，2，3）表示第一个维度(0轴)大小为1，第二个维度(1轴)大小为2，第三个维度(2轴)大小为3，也就是一个1行2列3层的三维数组。
（2，3，1）表示第一个维度(0轴)大小为2，第二个维度(1轴)大小为3，第三个维度(2轴)大小为1，也就是一个2行3列1层的三维数组。
[[[1 2 3]
[4 5 6]]]
数组总共有三层"[ ]"，每一层所表示的含义不同，从外层到内层其元素依次表示高度、宽度、深度，即行、列、层。
其中数组array1中每个元素的索引为：

数据	索引值
1	array1[0, 0, 0]
2	array1[0, 0, 1]
3	array1[0, 0, 2]
4	array1[0, 1, 0]
5	array1[0, 1, 1]
6	array1[0, 1, 2]