python中使用ndim和shape属性获取ndarray数据的维度、长度、形状等参数

我们在描述一个多维数组的时候，经常会用到两个参数：维度（dimension）和形状（shape），以二维数组为例，我们可以用矩阵来形象地联想这两个参数，对于矩阵，显然我们最常见的矩阵是二维的，所以他的dim参数就是2，而对于形状，可以想象成这个矩阵（矩形）的的高和宽，比如一个4行3列的矩阵，他的高就是4，宽就是3。所以他的shape参数就是(4,3)，这是一对数字，因此在python中使用元祖（tuple）数据结构来表示这个属性。我们可使用以下代码来进行演示：

import numpy as np
data = np.array([
		[1,2,3],
		[4,5,6],
		[7,8,9],
		[0,0,0]
	])

print(data)
print(data.ndim)
print(data.shape)

在运行之后，我们可以得到以下结果：

[[1 2 3]
 [4 5 6]
 [7 8 9]
 [0 0 0]]
2
(4, 3)
[Finished in 1.2s]

对于大于二维的多维数组，我们可以认为就是数组的数组的数组…，我们可以用嵌套（类似于套娃结构）来描述，是几维的就有多少层嵌套。但是一般而言，我们用二维的数组就够用了，三维数组被称为张量(Tensor)，在机器学习中有非常好的应用。

对于三维数组，我们可以使用以下代码进行演示：

import numpy as np
data_1dim = np.array([1,2,3,4])
data_2dim = np.array([data_1dim,data_1dim,data_1dim])
data_3dim = np.array([data_2dim,data_2dim])

print(data_3dim)
print(data_3dim.ndim)
print(data_3dim.shape)

我们打印出三维数组的形态如下：

[[[1 2 3 4]
  [1 2 3 4]
  [1 2 3 4]]

 [[1 2 3 4]
  [1 2 3 4]
  [1 2 3 4]]]
3
(2, 3, 4)
[Finished in 1.6s]

可以看出，他是数组的数组的数组，我们在分析多维数组的时候，要理清楚结构，这个要根据配对的方括号来进行判断，找到级别的，比如这里第一队括号相对于是爷爷级别的，其他的和爷爷平级的就是第一维的元素，然后括号里面的又有括号，那就是爸爸级别的，括号里面的括号里面的括号，就是儿子级别的，数组的shape就相当于一共有几个爷爷，一个爷爷生了几个爸爸，一个爸爸生了几个儿子，这样就可以形象地理解多维数组的结构了，不过我们在使用的时候，用到二维数组就够了，三维以上的理解起来和维护起来太麻烦了，不利于软件工程的开发。