1. numpy創建的數組都有一個shape屬性，它是一個元祖，返回各個維度的維數
2. 二維例子：

>>> import numpy as np
>>> y = np.array([[1,2,3],[4,5,6]])
>>> print(y)
[[1 2 3]
 [4 5 6]]
>>> print(y.shape)
(2, 3)
>>> print(y.shape[0])
2
>>> print(y.shape[1])
3

可以看到 y 是一個兩行三列的矩陣，y.shape[0]表示行數，y.shape[1]

1. 三維例子：

y = np.array([[[1,1,1],[2,2,2]],[[3,3,3],[4,4,4]],[[5,5,5],[6,6,6]]])
print(y.shape)
>>> print(x.shape)
(3, 2, 3)
>>> print(x.shape[0])
3
>>> print(x.shape[1])
2
>>> print(x.shape[2])
3

可以看到x是一個包含了3個兩行三列的二維數組的三維數組，x.shape[0]代表包含二維數組的個數，x.shape[1]表示二維數組的行數，x.shape[2]

總結：

可以看到，shape[0]表示最外圍的數組的維數，shape[1]表示次外圍的數組的維數，數字不斷增大，維數由外到內。

numpy.array的shape屬性 —— 2018-09-07