博主在面对Python中矩阵维度问题时经常晕头转向，不知道怎么一眼看出是几维矩阵，往往得通过笨办法：shape函数来取出来看，但是假设shape函数返回维度（6,2,3），也不知道这些数组分别代表了什么意思，今天特意写一下博客记录一下。

如何看出是几维数组？

         首先给出如下函数：

a = np.random.randint(10,size=(3,4))
print(a)

        打印出来的结果是：

 很明显，我给出的是两维的，3行4列的一个矩阵。如何判断是几维的，就看最外层的有几个中括号，有几个中括号就是几维的，很明显有两个中括号就是2维的。因为size=(3,4)，秉着行在前，列在后的原则，所以是3行4列。

        继续看这个函数：

a = np.random.randint(10,size=(2,3,4))
print(a)

        打印出来的结果是：

 按照刚刚的经验，看这个打印出来的结果，首先分析这是一个3维的矩阵（因为最外层有3个中括号）。然后再去找两个中括号括起来的数据，看两个中括号括起来的数据，是一个3行4列的，意味着size=(x, 3, 4)，其实就是相当于找最内层的二维矩阵，这个二维矩阵表示时是靠右的，然后发现有两个2维矩阵，所以size=(2,3,4)

        继续看这个函数：

a = np.random.randint(10,size=(4,3,6))
print(a)

        打印出来的结果是：

 首先确定这个是3维的，其中2维是3行6列，总共有4个2维，因此size就是（4,3,6）

        为了举一反三，再看一个：

a = np.random.randint(10,size=(3,2,2,6))
print(a)

        输出结果：

很明显这是一个4维的矩阵，size=(X,X,X,X)；最右边的XX（即2维）是2行6列，那么每个外层维度（3维）内总共有几个2行6列呢（每个三维内总共有几个二维），有2个；每个4维内总共有几个3维呢，有3个，所以size就是（3,2,2,6）

 如何使用shape函数？

        用眼睛观察是比较直接的一种方法，不过保不齐会出错，shape函数可以很方便的看出有多少维度。但是shape函数有两种用法

np.shape(array)
array.shape

        一种是将数组放进shape函数内，另一种是将shape用作一种属性，用.shape  这两种方法有啥区别呢？

        一、如果我们想看一个数组有多少维度，那么上述两种方法都行

        二、如果我们想看数组第二维、第n维是多少，那么只能用 array.shape[2] （第三维是多少）

        三、如果我们想看第4维的长宽高是多少，用 np.shape(array[2]) 假设size=(3,2,2,6)，则返回结果是（2，2，6） 但这种一般没啥用

综上，一般直接用 .shape 就行

要补充一下，常见的既可以作为函数，又可以作为属性的，还要size，例如

array.size
np.size(array)

如果看数组里有多少个元素，那么这两个方法都可以