numpy.array 的shape屬性理解

　　在碼最鄰近算法(K-Nearest Neighbor)的過程中，發現示例使用了numpy的array數組管理，其中關於array數組的shape(狀態)屬性，下面是對應的理解

numpy 創建的數組都有一個shape屬性，它是一個元組，返回各個維度的維數。有時候我們可能需要知道某一維的特定維數。

二維情況

>>> import numpy as np
>>> y = np.array([[1,2,3],[4,5,6]])
>>> print(y)
[[1 2 3]
 [
 
4 5 6]]
>>> print(y.shape) # 展示行數，列數
(2, 3)
>>> print(y.shape[0]) # 展示行數
2
>>> print(y.shape[1]) # 展示列數
3

可以看到y是一個兩行三列的二維數組，y.shape[0]代表行數，y.shape[1]代表列數。

三維情況

>>> x  = np.array([[[1,2,3],[4,5,6]],[[7,8,9],[0,1,2]],[[3,4,5],[6,7,8]]])
>>>> print(x)
[[[1 2 3]
  [
 
4 5 6]]

 [[7 8 9]
  [0 1 2]]

 [[3 4 5]
  [6 7 8]]]
>>> print(x.shape) #展示 降維度出來的低維度個數，行數，列數
(3, 2, 3)
>>> print(x.shape[0]) # 降為出來的低維度個數
3
>>> print(x.shape[1]) # 每個低維度數組的行數
2
>>> print(x.shape[2]) # 每個低維度數組的列數
3

可以看到x是一個包含了3個兩行三列的二維數組的三維數組，x.shape[0]代表包含二維數組的個數，x.shape[1]表示二維數組的行數，x.shape[2]表示二維數組的列數。

總結

可以看到，shape[0]表示最外圍的數組的維數，shape[1]表示次外圍的數組的維數，數字不斷增大，維數由外到內。

numpy中 array數組的shape屬性