ndarray数组的长度和维度是不一样的

在NumPy中，数组的维度数（dimension）是指数组的轴数（即数组的维度个数），也称为数组的秩（rank）。维度数表示数组在空间中的维度或轴的数量。

例如，对于一个二维数组（矩阵），它具有两个维度，因此维度数为2。而对于一个一维数组，它只有一个维度，因此维度数为1。

长度数（length）是指数组在每个维度上的长度，也称为维度的大小（size）或形状（shape）。对于一个二维数组，长度数就是指数组在每个维度上的元素个数。

例如，对于一个形状为(3, 4)的二维数组，它具有2个维度，第一个维度的长度为3，第二个维度的长度为4。因此，它的长度数为(3, 4)。

在NumPy中，可以通过ndarray.ndim属性获取数组的维度数，通过ndarray.shape属性获取数组的长度数。

下面是一个示例：

import numpy as np

a = np.array([[1, 2, 3],
              [4, 5, 6]])

print(a.ndim)     # 输出：2
print(a.shape)    # 输出：(2, 3)

在上述示例中，数组a是一个二维数组，它的维度数为2，长度数为(2, 3)。其中，第一个维度的长度为2，表示数组有2行；第二个维度的长度为3，表示数组有3列。