Shape与N维数组的dimensions的大小有关。
Size关于数组，与数组中包含的元素的数量（或计数）有关（有时，在数组的顶部维度-当用作长度时）。
例如，设a为矩阵
a的形状是(3, 4)，a的大小是12，a[1]的大小是4。

因为你正在使用一个numpy数组，它被看作是一个C数组，size指的是你的数组有多大。此外，如果你可以传递np.zeros(10)或np.zeros((10))。虽然差别很小，但以这种方式传递的size将创建一个1D数组。您可以给予size=(n1, n2, ..., nn)，这将创建一个nD数组。
但是，由于python用户需要多维数组，array.reshape允许从1D数组到nD数组。所以，当你调用shape时，你会得到数组的N维形状，所以你可以确切地看到数组的样子。
本质上，size等于shape的元素的乘积。
编辑：名称的差异可以归因于两个部分：首先，你可以用一个大小初始化你的数组。你不知道它的形状。所以size只是元素的总数。其次，numpy是如何开发的，不同的人在代码的不同部分工作，大致相同的元素有不同的名称，这取决于他们对代码的个人看法。

随机排列：

[[-2. -1.  0.  1.  2.]
 [-2. -1.  0.  1.  2.]
 [-2. -1.  0.  1.  2.]]

区别在于：

print(your_np_arr.shape)  # (3, 5)
print(your_np_arr.size)   # 15