科学计算库numpy中的shape使用

        Numpy是Python的一种开源的数值计算扩展，可以用来存储或处理大型矩阵，比Python自身的嵌套列表结构要高效的多，支持大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。

 首先，引用numpy计算库

import numpy as np

第二步，使用arange函数引进一个一维数组，打印出来可以看到为0~10的一组数据，其形状为(11,)是一个一维数组，其中11代表有11个元素。

t1 = np.arange(11)
print(t1)
print(t1.shape)
>>[ 0  1  2  3  4  5  6  7  8  9 10]
>>(11,)

 【注】np.arange()函数分为一个参数，两个参数，三个参数三种情况
1）一个参数时，参数值为终点，起点取默认值0，步长取默认值1。
2）两个参数时，第一个参数为起点，第二个参数为终点，步长取默认值1。
3）三个参数时，第一个参数为起点，第二个参数为终点，第三个参数为步长。其中步长支持小数。现使用的是一个参数的情况。

第三步，创建一个二维数组，打印形状可以看到两个数字（表明为二维数组），即为2*3的一个矩阵。

t2 = np.array([[1,2,3],[4,5,6]])
print(t2.shape)
print(t2)
>>(2, 3)
>>[[1 2 3]
  [4 5 6]]

第四步，创建一个三维数组，打印打印形状可以看到三个数字（表明为三维数组），即为3个2*3的一个矩阵。

t3 = np.array([[[1,2,3],[4,5,6]],[[7,8,9],[10,11,12]],[[13,14,15],[16,17,18]]])
print(t3.shape)
print(t3)
>>(3, 2, 3)
>>[[[ 1  2  3]
  [ 4  5  6]]

 [[ 7  8  9]
  [10 11 12]]

 [[13 14 15]
  [16 17 18]]]