Python numpy.ndim 和 numpy.shape

今天遇到了这个问题，感觉跟之前的认识不一样，所以记录一下：

numpy.ndim

查看网上的定义：

感觉Python 中一些概念跟数学不是很一致，这里使用了dimension，后边的解释还出现了rank，在线性代数里，我们理解这个 rank 是秩的意思吧，但是这里显然不是这样的，比如单位矩阵：

data =  [[1, 0, 0],
         [0, 1, 0],
         [0, 0, 1]]
arr1 = array(data)

这时候输出的arr1.ndim是2，后来找资料，可以这么理解：在数学里我们理解二维，三维空间，一个非常直观的就是二维平面中的点可以这样表示 (i, j) , 三维空间中则是 (i, j, k) 这个维就是这样，如果我们可以使用i，j两个坐标表示array中的一个数据，那么它的ndim就是2， i，j，k同理就是3了，测试一下：

from numpy import *

d1 = [[1,2],
      [2, 3]]
a1 = array(d1)

d2 = [[[1, 2], [2,3]],
      [[2, 3], [3, 4]]]     #3维数组
      
a2 = array(d2)
print(a1.ndim)   #2
print("-"*9)
print(a2.ndim)   #3

这样就搞清楚这个dimension跟rank是什么意思了。
顺便说一下跟这个总在一块的属性，shape ，跟它的名字一样，就是数组的行、列数：

d2 = [[[1, 2], [2,3]],
      [[2, 3], [3, 4]]]
a2 = array(d2)

print(a2.ndim)
print(a2.shape)   #（2, 2, 2）