我知道对于一个4维向量来说，形状应该是(4，1)，这实际上是在4维空间中表示的，但是ndim是2，而对于一些ndarray来说，它的形状应该是类似于(2，3，4，5)。
那么，向量和矩阵（或数组）之间的维度概念是否有所不同？我想从数学的角度来理解，以及它是如何衍生到熊猫编程的。
一个数学对象的维度通常由该特定对象中独立参数的数量决定。例如，一个4维的 矢量 在数学上是4维的，因为它包含4个独立的元素（除非它们之间有某种关系）。这样的向量，如果用列向量表示，在 numpy形状 (4, 1) 因为它有4行1列。这个向量的转置，是一个行向量，形状是 (4, ) 因为它有4列，只有1行，而行式视图是默认的，所以如果有1行，就不会明确提到。但要注意的是，列向量和行向量都是 尺寸等效 在数学上。两者都有4个维度.对于一个 3 x 3 矩阵，最一般的数学维度是 9因为它一般有9个独立元素。相应地，它的形状是 numpy 阵列将是 (3, 3). 如果你正在寻找任何一个元素的最大数量。numpy 阵列。ndarray.size 才是正确的做法。
ndarray.ndim然而，产生了 轴数 在一个numpy数组中。也就是说，在这个数组中，有多少个 方向 沿着这些值放置（术语不严谨！）。所以对于 3 x 3 矩阵： ndim 产量 2. 对于一个形状的阵列 (3, 7, 2, 1), ndim 会产生4。但是，正如我们已经讨论过的，数学维度一般为 3 x 7 x 2 x 1 = 42 (所以这是一个42维空间的矩阵! 但是 numpy 数组只有4个维度）。) 因此，你可能已经注意到了。ndarray.size 中的数字的乘积。ndarray.shape.
请注意，这些不仅仅是编程的概念。我们习惯于在数学中说 "二维矩阵"，但这不能与矩阵所在的空间混淆。