第4节，numpy数组的基本属性

尽管在上一节，你已经学会了如何创建numpy数组，但对ndarray的基本属性，你并不了解，这些属性包括：

1. ndim 轴的数量
2. shape 维度
3. size 元素的数量
4. dtype 元素类型
5. itemsize 单个元素的大小

先来看一段代码，结合代码的输出结果来理解上面5个基本属性

import numpy as np

array = np.zeros((3, 4))
print(array.ndim)       # 2 轴的数量
print(array.shape)      # (3, 4) 维度
print(array.size)       # 12 元素个数
print(array.dtype)      # float64 元素类型
print(array.itemsize)   # 8 单个元素的大小

对这5个属性，我从后向前解释，把最难理解的ndim和shape放在最后。

itemsize 是描述数组内单个元素的大小，单位是字节，一个float64类型的数据，占8个字节大小，通过这个数值集合size，你大致可以计算出数组所占内存大小。

dtype是数组内元素的类型，ndarray数组里所有的元素都有相同的数据类型。

size 是数组内元素的个数，3行4列，一共12个元素。

shape 和 ndim其实也并不难理解，麻烦的是他们哪个是数组的维度，维度该怎么理解。数据3行4列，通常我们习惯说它是二维数组，ndim等于2，官方文档给的解释是

the number of axes (dimensions) of the array

翻译过来是： 数组轴（维度）的数量，这和我们认为的二维相对应。对于shape，我们更倾向于将其理解为几行几列，当然，如果是三维数组，我们这种几行几列的理解方式就不适用了。

所以，对这两个属性的理解，难点不在于不懂其数值所代表的含义，而是将哪个视为维度的代表。

我尊重官方文档的解释，shape是维度，ndim是维度的个数，这是对维度的正确理解，我们平时习惯的理解是一种概念上模糊且不准确的理解。