浅析numpy之shape

近来看machine learning in action中对numpy稍有接触，其中对于array的shape有些疑惑，翻阅查询后稍有了解，分享以交流。

1、shape意思为‘形状’,在很多模块（pygame、matplotlib）都有这个函数，在numpy中用在array后顾名思义就是‘矩阵的形状’，无非就是‘行列’。

2、用一个简单的例子方便理解：

from numpy import *
>>> A=zeros((3,4))
>>> print(A)
[[ 0.  0.  0.  0.]
 [ 0.  0.  0.  0.]
 [ 0.  0.  0.  0.]]#得到一个3行4列的二维矩阵。
>>> A.shape
(3, 4)#看出来shape方法得到一个元组，而这个元组和zeros()中的元组是一致的。
#第一个元素为行数，第二个元素为列数。
>>> A.shape[0]
3           #元组的第一个元素，即行数，在KNN算法中等于训练样本数量
>>> A.shape[1]
4           #元组的第二个元素，列数