关于Numpy数组中属性shape的理解

关于Numpy数组中属性shape的理解

概述：numpy数组都有着shape这一属性，怎么理解这一属性呢？看以下代码：

# 关于numpy中shape参数的深刻理解
p1 = np.array([1, 2, 3])
p2 = np.array([[1], [2]])
p3 = np.array([[[1, 2], [4, 7]], [[3, 5], [5, 4]], [[8, 7], [7, 7]]])
p4 = np.array([[[[1, 2]]], [[[4, 9]]], [[[2, 7]]]])


print(p1.shape) # 输出(3, )
print(p2.shape) # 输出(2, 1)
print(p3.shape) # 输出(3, 2, 2)
print(p4.shape) # 输出(3, 1, 1, 2)

分析如下：
第一个：(3, )代表p1为一维数组里面有3个元素；
第二个：(2, 1)表示p2一个二维数组，这个二维数组里包含着2个一维数组，而每个一维数组包含着1位元素；
第三个：(3, 2, 2)表示p3为三维数组，这个三维数组里包含着3个二维数组，每个二维数组里包含着2个一维数组，每个一维数组里又包含着2位元素；
第四个：(3, 1, 1, 2)表示p4为一个四维数组，这个四维数组包含着3个三维数组， 这个三维数组里又包含了1个二维数组，这个二维数组里包含着1个一维数组，这个一维数组只包含一个元素。

结论：numpy范围的shape值(x1, x2, …, xn)中，括号里的数字个数代表该数组的维数大小，而里面的具体元素从左到右依次是数组从外到内的维数。既：第一个x代表这个N维数组(假设有N个x)里有x1个N-1维数组，每个N-1维数组里有x2个N-2维数组，以此类推。