Python-Numpy学习之【ndim、shape、dtype函数的区别】

刚开始学习numpy，对ndim、shape还有dtype这几个函数的含义有些混淆，所以简单记录下。

ndim函数：返回一个数字，确定数组的维度

备注：个人小技巧（不知道准不准），从列表转数组时，确定数组的维度的话可以看一开始中括号的个数，几个中括号就是几维。

shape函数：返回一个元组，确定各个维度的元素个数

对于arr11：它是一个一维数组，返回的（4，）代表一维里面有四个元素
对于arr22：它是一个二维数组，返回的（2，3）中 2 代表的是行（row），代表一维里面有2个元素，3代表的是列（column），代表二维里面有3个元素
对于arr33：它是一个三维数组，有些难懂，为了清晰，我把它显示出来，代表一维里面"[ ]“有两个元素，分别是[[1,2,3.0],[4,5,6]]和[[7,8,9],[10,11,12]]，二维里面”[[ ]]“有两个元素，分别是[1,2,3.0]和[4,5,6]以及另外一组里的[7,8,9],[10,11,12]，三维里面”[[[ ]]]"有三个元素，分别是1和2和3.0 （其他三组我就不列举了）。所以说返回的（2，2，3）代表一维里面有2个元素，二维里面有2个元素，三维里面有3个元素…
其实我觉得三维矩阵也可以这么理解：由2个2x3的矩阵组成。

同样的四维、五维乃至n维的shape函数含义以此类推，在看高维矩阵的时候，最主要的是关注最后两个数字，从而和我们所学的线性代数的n×m矩阵对应起来，至于前面的数字，就依次代表由几个后面类型的矩阵组成。
举个例子，（2，4，3，5）是个四维矩阵，代表由2个三维矩阵（4，3，5）组成；其中三维矩阵（4，3，5）又代表由4个3×5的二维矩阵组成。

总结：

1. 元组的元素个数等于维度数
2. 元组中每一个元素大小又代表中每一维度元素的个数（从左到右，依次为第一维度中元素的个数，第二维度中元素的个数…第n维度元素的个数）

dtype函数：确定数组的数据类型

为啥arr33是浮点数类型呢？原因在这里，我写的是3.0