NumPy中np.shape(X[1])与X.shape[0]的区别是什么

二者是完全独立的两种操作，返回值不存在必然关联，核心差异如下：

• 含义完全不同
  X.shape[0]是读取原数组X首个维度（最外层维度）的长度；np.shape(X[1])是先取原数组X首个维度下标为1的切片/元素，再读取这个切片/元素的形状。
• 返回值类型不同
  X.shape[0]永远返回整数标量；np.shape()的返回结果永远是元组，哪怕对应元素是标量也会返回空元组()。
• 运行约束不同
  只要X是合法的NumPy数组，X.shape[0]就可以正常返回值；但np.shape(X[1])要求原数组首个维度的长度至少为2，否则会触发索引越界错误。
• 数值没有必然相关性
  除非特殊构造的数组，否则二者的取值没有对应关系：比如形状为(3,4,5)的三维数组，X.shape[0]为3，np.shape(X[1])为(4,5)；形状为(2,6)的二维数组，X.shape[0]为2，np.shape(X[1])为(6,)；形状为(5,)的一维数组，X.shape[0]为5，np.shape(X[1])为()。

可以参考如下代码示例更直观理解：

import numpy as np
# 三维数组示例
X = np.ones((3,4,5))
print(X.shape[0])  # 输出：3
print(np.shape(X[1]))  # 输出：(4, 5)

# 二维数组示例
X = np.ones((2,6))
print(X.shape[0])  # 输出：2
print(np.shape(X[1]))  # 输出：(6,)

# 一维数组示例
X = np.ones((5,))
print(X.shape[0])  # 输出：5
print(np.shape(X[1]))  # 输出：()

内容的提问来源于stack exchange，提问作者user17181673