今天在写支持向量机代码时，有一个维度处理错了，导致超平面一直不正确，发现是维度错误。所以写一下numpy中维度相关内容。

shape 是一个元组（tuple），表示数组在每个维度上的大小。它描述了数组的形状，即每个维度有多少个元素。

ndim 是一个整数，表示数组的维度数量。它只告诉你数组有多少个维度，而不关心每个维度的大小。

import numpy as np
a = np.array([1, 2, 3, 4, 5])
print(a.shape, a.ndim)

输出的是：(5, )和1。

注意：(5, )是一维，而(5, 1)则是二维（或列向量）

import numpy as np
a = np.array([1, 2, 3, 4, 5])
a = a.reshape(-1, 1)
print(a)
print(a.shape, a.ndim)

输出结果：

[[1]
 [2]
 [3]
 [4]
 [5]]
(5, 1) 2

reshape(rows, cols)：重塑ndarray的行数和列数（必须保证行数乘列数还是原来大小）。两个位置最多只能有一个-1，表示安装另一个非-1值进行排列，剩下$k$代替-1值，即：
$$原来大小=k\times 非-1值$$

reshape(-1, 1)可以生成列向量。

reshape(-1)是转换为一维。

import numpy as np
a = np.array([1, 2, 3, 4, 5, 6])
a = a.reshape(2,3)
print(a)
a = a.reshape(-1, 2)
print(a)
a = a.reshape(3, -1)
print(a)

输出结果：

[[1 2 3]
 [4 5 6]]
[[1 2]
 [3 4]
 [5 6]]
[[1 2]
 [3 4]
 [5 6]]

numpy中生成数组的方式中，有形如：x(a)和x((a,b))，前者是一维，后者是二维。例如zeros函数：

import numpy as np
a = np.zeros(3)
print(a, a.shape, a.ndim)
b = np.zeros((3,1))
print(b, b.shape, b.ndim)

输出结果：

[0. 0. 0.] (3,) 1
[[0.]
 [0.]
 [0.]] (3, 1) 2

**transpose()**是转置，等价于.T：

import numpy as np
a = np.zeros(3)
a = a.reshape(-1, 1)
print(a, a.shape, a.ndim)
b = a.transpose()
print(b, b.shape, b.ndim)
c = a.T
print(c, c.shape, c.ndim)

输出结果：

[[0.]
 [0.]
 [0.]] (3, 1) 2
[[0. 0. 0.]] (1, 3) 2
[[0. 0. 0.]] (1, 3) 2