当你调用一个ndarray的.shape属性时，你会得到一个元组，它的元素数和数组的维数一样多，长度，也就是行数，是第一维（shape[0]）

• 从一个数组开始：c=np.array([1,2])。这是一个普通的一维数组，所以它的形状是一个1元素的元组，shape[0]是元素的数量，所以c.shape = (2,)
• 以c=np.array([[1,2]])为例，这是一个二维数组，只有一行，第一行也是唯一一行是[1,2]，它有两列，因此c.shape=(1,2)和len(c)=1
• 考虑c=np.array([[1,],[2,]])，另一个2行1列的二维数组：c.shape=(2,1)和len(c)=2。
• 考虑d=np.array([[1,],[2,]]).transpose()：该阵列与np.array([[1,2]])相同，因此其形状为(1,2)。

另一个有用的属性是.size：这是所有维度上的元素数，对于一个数组c``c.size = np.product(c.shape).
有关形状的详细信息，请参见文档。

len(c.shape)是阵列的"深度"。
对于c，数组只是一个列表（向量），深度为1。
对于d，数组是列表的列表，深度为2。
注：

c.transpose()
# array([1, 2])

其不是d，因此该行为不是不一致的。

dt = d.transpose()
# array([[1],
#        [2]])
dt.shape # (2,1)

快速修复：检查. ndim属性-如果它是2，那么. shape属性将按您预期的方式工作。
原因：如果. ndim属性为2，则numpy报告符合约定的形状值;如果. ndim属性为1，则numpy仅以不同的方式报告形状。
更多对话：当你给np. array传递一个列表的列表时，. shape属性将符合矩阵维数的标准概念：（行、列）。
如果你只给np.array传递一个列表，那么numpy就不会认为它手上有一个矩阵，而是以一种不同的方式报告形状。
问题是：numpy认为它有一个矩阵，还是它认为它手上有别的东西。

transpose不更改数组的维数。如果为c.ndim == 1，则为c.transpose() == c。请尝试：

c = np.array([1,2])
print c.shape
print c.T.shape
c = np.atleast_2d(c)
print c.shape
print c.T.shape

来自Matlab，我也发现一维数组不组织为（row_count，colum_count）很困难
我的函数必须一致地响应一维ndarray，如[x1，x2，x3]或数组列表[[x1，x2，x3]，[x1，x2，x3]，[x1，x2，x3]]。
这对我很有效：

dim = np.shape(subtract_matrix)[-1]

拾取最后一个维度。