np.shape 怎么看:

从左往右看,shape从左往右顺序就是numpy数组从外往内的顺序。从左往右，从外往内，越来越细。

比如下面的数组t, t.shape = (2,3,2,3), 解释为2（第一个数字2）个三维数组，大小为3*2*3， 每个三维数组有3（第二个数字3）二维数组，数组大小为2*3。

又如， a = np.array([1,2,3]), 则 a.shape = (3,), 声明a时的[], 表示这是一个numpy数组，数组中的元素是 1,2,3,因此这是一个一维数组，数组长度是3.

再如，b = np.array([[5,6], [7,8]]), 则 b.shape = (2,2), 因为去除掉最外面的[]， 我们输入的参数是两个长度为2的一维数组，因此b是一个（2,2）的数组。

 

 

 

 

 

 

numpy axis 的概念

numpy axis可以看做是shape的不同维度， axis= 0 指的是第0维， axis=1指的是第一维。对于扩展，拼接，

求和也都是在指定维度上进行操作。以求和为例子。

 

Axis=0指的是最外层的维度（右边图片绿色的两个，或者说是中阿金示意图两对绿色括号）， 以这两个为单位进行计算，两个三维数组的相加，对应元素相加。

（可以认为是两个数组叠加在一起，对应位置上的元素求和就是新数组的对应位置的值）

 

 

 

Axis=1指的是第二层的维度（每个绿色的里面有三个橙色的）， 但是这三个二维数组应该只在自己所在的数组里面（绿色括号内部）进行运算，因为这里指定的axis是1， 不在考虑axis=0.

方法仍然是把三个数组叠在一起，对应元素求和

 

 

axis= 2,3也可以依次类推，