np.newaxis与np.shape的一些细节

前言：由于在一次的学习过程中，学到了np.newaxis这一部分，使得对数组的问题，包括数据的维度问题产生了一些疑惑，通过上网搜查好像这方面的讲解没有找到，于是为了验证这个问题，只有通过自己动手实验来考察哪种结论是对的。

---

1、shape的问题---------->shape(2,)和shape（2，1）区别

这部分的内容网上搜的到，这里也总结下。

       在遇到数组问题的时候，经常会看到(2,)和（2，1）这两种情况出现， 刚开始没注意他们的区别，觉得也差不多啦，后来才发现大错特错。通过例子来进行说明。

import numpy as np
a =np.arange(1,3)
print("a",a)
print("a.shape",a.shape)

b= a.reshape(2,1)
print("b",b)
print("b.shape",b.shape)

c = a.reshape(1,2)
print("c",c)
print("c.shape",c.shape)

# 其中np.dot是矩阵乘法
r = a*c   -------------------------点乘，就是对应元素相乘
result = np.dot(a,b)
# resu = np.dot(a,c)
print(r)
print(result)

结果：
a [1 2]
a.shape (2,)
b [[1]
 [2]]
b.shape (2, 1)
c [[1 2]]
c.shape (1, 2)
[[1 4]]
[5]

Process finished with exit code 0

1.1.shape(2,)和shape（2，1）的区别

a[1,2]的shape值(2,)，意思是一维数组，数组中有2个元素

b[[1],[2]]的shape值是(2,1)，意思是一个