数组的形状和大小

　　本节介绍ndarray.ndim、ndarray.size和ndarray.shape属性。

　　ndarray.ndim：数组的轴数或维度。

　　ndarray.size：数组的元素总数，数组形状元素的乘积。

　　ndarray.shape：用一个整数元组显示数组每个维度上存储的元素数。例如，如果您有一个2行3列的二维阵列，则数组的形状为(2, 3)。

　　例如，如果创建下面一个数组：

>>> array_example = np.array([[[0, 1, 2, 3],
...                            [4, 5, 6, 7]],
...
...                           [[0, 1, 2, 3],
...                            [4, 5, 6, 7]],
...
...                           [[0 ,1 ,2, 3],
...                            [4, 5, 6, 7]]])

显示该数组的维度，执行：

>>> array_example.ndim
3

显示该数组的元素个数，执行：

>>> array_example.size
24

显示该数组的形状，执行：

>>> array_example.shape
(3, 2, 4)

数组的重塑

　　数组对象方法arr.reshape()。

　　使用arr.reshape()在不更改数据的情况下为数组赋予新形状。请记住，当使用重塑方法时，新数组必须与原数组的长度（size，元素数量）相同。如果原数组有12个元素，则新数组也是12个元素。

　　比如下面的数组：

>>> a = np.arange(6)
>>> print(a)
[0 1 2 3 4 5]

可以使用reshape()来重塑数组。例如，可以将此数组重塑为具有三行两列的数组副本：

　　除了对象reshape()方法外，还可以用模块np.reshape()函数，它可以指定一些参数：

>>> np.reshape(a, newshape=(1, 6), order='C')
array([[0, 1, 2, 3, 4, 5]])

　　a：待重塑的数组。

　　newshape：新形状，可以是整数或整数元组。如果指定整数，结果将是该长度的一维数组。形状应与原始形状兼容（元素个数相同）。

　　order：索引顺序。C表示采用C语言索引顺序读/写元素，F表示采用Fortran语言（数学计算专业编程语言）索引顺序读写元素，A表示如果a数组在内存中是Fortran连续储存的，则按Fortran语言索引顺序读/写，否则按C语言顺序。（这是一个可选参数，并不一定要指定。）

　　如果您想了解有关C和Fortran顺序的更多信息，可以在这里（https://numpy.org/doc/stable/dev/internals.html#numpy-internals）阅读有关NumPy数组内部组织的更多信息。

　　从本质上讲，C和Fortran索引顺序与数组在内存中的存储顺序有关。在Fortran语言中，对于二维数组，一列中相邻的元素在内存中也相邻，这是Fortran被认为是列主语言（Column-major language）的原因。然而，在C语言中，对于二维数组，一行中相邻的元素在内存中也相邻，相应的就把它称为行主语言（Row-major language）。至于采用何种方式并不重要，重要的是保留索引顺序方式或不对数据重新排序。

　　在此处（https://numpy.org/doc/stable/user/quickstart.html#quickstart-shape-manipulation）了解有关形状操纵的更多信息。

1D数组变2D/往数组添加新轴（维）

　　包括np.newaxis和np.expand_dims。

　　使用np.newaxis和np.expand_dims以增加现有数组的维数。

　　每使用一次np.newaxis会使数组升高一个维度。就是1D数组变2D数组，2D数组变成3D数组，依此类推。

　　例如，数组：

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

可以用np.newaxis升高一个维度：

>>> a2 = a[np.newaxis, :]
>>> a2.shape
(1, 6)

注：a[:]是复制数组，冒号前加入特殊参数np.newaxis。

　　可以使用np.newaxis显式转换具有行向量或列向量的1D数组。例如，可以通过沿第一维度插入轴将1D数组转换为行向量：

>>> row_vector = a[np.newaxis, :]
>>> row_vector.shape
(1, 6)

或者，插入第二轴转化为列向量：

>>> col_vector = a[:, np.newaxis]
>>> col_vector.shape
(6, 1)

　　还可以使用np.expand_dims在指定位置插入新轴来扩展数组。

　　例如，数组：

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

使用np.expand_dims在索引位置1处添加轴：

>>> b = np.expand_dims(a, axis=1)
>>> b.shape
(6, 1)

也可以在索引0处添加轴：

>>> c = np.expand_dims(a, axis=0)
>>> c.shape
(1, 6)

　　有关newaxis更多信息打开https://numpy.org/doc/stable/reference/arrays.indexing.html#arrays-indexing；和expand_dims的打开https://numpy.org/doc/stable/reference/generated/numpy.expand_dims.html#numpy.expand_dims。