如何正确理解Numpy多维数组的shape属性？

首先明确：Numpy数组的shape元组逻辑是完全统一的——从轴0到轴n-1，依次对应数组从最外层到最内层的嵌套层级的元素数量，或者说，每个轴的数值代表「沿着该轴切片时，能得到的子数组的总数」。

对应你的两个例子： #

1. 你构造的3D数组array_example

数组的嵌套结构是：

[
  # 轴0的3个元素（每个都是2行4列的二维数组）
  [ [0,1,2,3], [4,5,6,7] ],
  [ [0,1,2,3], [4,5,6,7] ],
  [ [0,1,2,3], [4,5,6,7] ]
]

• 轴0（最外层）：有3个二维数组，所以长度为3
• 轴1（中间层）：每个轴0的元素里有2个一维数组（行），所以长度为2
• 轴2（最内层）：每个轴1的元素里有4个数值，所以长度为4
  最终shape=(3,2,4)，你理解的「轴0是3个矩阵」完全正确，因为沿轴0切片得到的就是3个二维矩阵。

2. 图像数组shape=(768,1024,3)

图像数组的嵌套结构对应像素的排列：

[
  # 轴0的768个元素（每一行）
  [ [R,G,B], [R,G,B], ... ],  # 轴1的1024个元素（每一列的像素）
  [ [R,G,B], [R,G,B], ... ],
  ...
]

• 轴0：对应图像的行数，共768行，长度为768
• 轴1：对应每行的像素数，共1024个，长度为1024
• 轴2：对应每个像素的通道数（RGB），共3个，长度为3
  你提到的「最后一个元素表示3个形状为(768,1024)的数组」，本质是沿轴2切片得到的结果——取image[:,:,0]就是红色通道的二维图像，image[:,:,1]是绿色通道，image[:,:,2]是蓝色通道，这和你数组里沿轴0切片得到矩阵的逻辑完全一致，只是我们根据数据用途关注了不同的轴。

总结统一逻辑 #

不管数组代表什么业务数据，shape的每个数值都对应：

• 数组嵌套层级从外到内的第i层的元素数量
• 沿第i轴（axis=i）切片时，能得到的子数组的数量，每个子数组的shape就是原shape去掉第i个数值

内容的提问来源于stack exchange，提问作者Soham Bhaumik