【全网最清楚】Python numpy的多维数组形状讲解

相信很多小伙伴在学习numpy的过程中都会被其多维数组的概念搞的头晕眼花，尤其是多维这个概念不知道每一个维度对应的是什么意思，那么今天我就用几句话给大家讲一下，绝对让你豁然开朗。（这里假设大家知道numpy中的ndarray及其shape的概念）

1. 首先，其实多维数组很好理解。就是它的维度是从左到右逐渐递减的，然后元组中数字的个数表示它的维度；并且每一个较高一级的维度的值表示的是比它低一级的维度中的元素的个数；而最后一个维度表示的是每一个一维数组中元素的个数。

举个例子：(2, 3, 4, 5)中有4个数字，说明这是一个4维数组；其次，2表示的是这个4维数组由两个3维数组组成、3表示的是每个3维数组由3个2维数组构成、4表示的是每个2维数组由4个一维数组构成；而最后面的5表示的是一个一维数组中有5个元素。

2. 其次是两个多维数组A,B的计算。分以下几种情况：

如果A,B所有维度对应相等，则所有维度上的元素对应”+” ”—” ”*” ”/”即可

如果A,B有一个维度d相等，并且其中一个多维数组A的其他维度值都为1，那么就是B数组的所有维度全部加上A的d维度的值

举个例子，A的形状是（4，1，1）而B的形状是（4,2,1），具体如下：