为何创建NumPy二维数组需要使用双层方括号？

嗨，这个问题问得特别到位！其实核心要搞清楚数组维度的本质，以及NumPy是怎么识别不同维度结构的~

先看一维数组的逻辑 #

一维数组本质就是一个线性的元素集合，就像一条直线上排列的元素。用一层方括号包裹这些元素，是在告诉NumPy："这些是处于同一层级的单个元素，组成一个一维结构"。比如：

import numpy as np
arr_1d = np.array([1, 2, 3, 4])
print(arr_1d.shape)  # 输出 (4,) ，表示这是一个长度为4的一维数组

再理解二维数组的结构 #

二维数组可以看作是**"数组的数组"**——每一个元素本身又是一个一维数组（或者说长度相同的列表）。这时候需要用双层方括号：外层方括号用来包裹所有的"子数组"，内层方括号则定义每个子数组的元素。这样嵌套的结构能让NumPy明确识别出："这里有多个一维数组，它们共同构成一个二维的矩阵结构"。比如：

arr_2d = np.array([[1, 2], [3, 4], [5, 6]])
print(arr_2d.shape)  # 输出 (3, 2) ，表示这是一个3行2列的二维数组

如果不用双层方括号，比如直接写np.array([1,2,3,4])，NumPy只会把它当成4个独立元素的一维数组，根本不会识别成2x2的二维结构。嵌套的方括号就是在给NumPy传递维度层级的信号。

举一反三：更高维度的数组 #

其实这个逻辑可以延伸到更高维度：三维数组需要三层方括号，四维需要四层，以此类推。比如三维数组的创建：

arr_3d = np.array([[[1,2], [3,4]], [[5,6], [7,8]]])
print(arr_3d.shape)  # 输出 (2, 2, 2)

总结一下：方括号的层数对应着数组的维度数，每多一层方括号，就代表多了一个维度的层级~

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