shape是numpy数组的属性，返回表示各维度大小的元组。例如：一维数组shape为(n,)，二维为(行,列)。可直接通过arr.shape=(m,n)修改形状（元素总数不变），或用reshape()方法安全重塑。如arr=np.array([1,2,3,4])，则shape为(4,)；arr2=np.array([[1,2],[3,4]])，shape为(2,2)。也可用arr.shape[0]获取行数。注意原生列表无此属性，需转为ndarray。pandas的dataframe同样支持shape属性，返回(行数,列数)。
Python 中并没有一个叫“shape函数”的独立函数，你提到的 shape 实际上是 NumPy 库中数组（ndarray）的一个属性，用于获取数组的维度大小。它在数据处理、机器学习和科学计算中非常常用。
什么是 shape 属性？
shape 是 NumPy 数组的一个属性，返回一个元组，表示数组在每个维度上的长度。比如一维数组的 shape 是 (n,)，二维数组是 (行数, 列数)，以此类推。
示例：
导入 NumPy 并创建不同维度的数组来查看 shape：
立即学习“Python免费学习笔记（深入）”；
import numpy as np
# 一维数组
arr1 = np.array([1, 2, 3, 4])
print(arr1.shape) # 输出: (4,)
# 二维数组
arr2 = np.array([[1, 2, 3], [4, 5, 6]])
print(arr2.shape) # 输出: (2, 3) → 2 行 3 列
# 三维数组
arr3 = np.array([[[1, 2], [3, 4]], [[5, 6], [7, 8]]])
print(arr3.shape) # 输出: (2, 2, 2)
如何使用 shape 修改数组形状？
虽然 shape 是属性，但也可以用来**修改**数组的形状，前提是元素总数不变。
arr = np.arange(6) # [0, 1, 2, 3, 4, 5]
arr.shape = (2, 3) # 改为 2 行 3 列
print(arr)
# 输出:
# [[0 1 2]
# [3 4 5]]
也可以使用 reshape() 方法更安全地改变形状：
arr_reshaped = arr.reshape(3, 2)
常见用途和注意事项
- shape 返回的是元组，可以通过索引获取某维度的大小，如 arr.shape[0] 是行数，arr.shape[1] 是列数
- 如果数组只有一个元素或是一维，注意 shape 的格式，例如 (5,) 表示一维长度为5
- 在 Pandas 的 DataFrame 中也有 shape 属性，用法类似：df.shape 返回 (行数, 列数)
- 对 Python 原生列表不能直接使用 shape，必须先转成 NumPy 数组
基本上就这些。只要记住：shape 不是函数，是 NumPy 数组的属性，用来查看或设置数组的维度结构。不复杂但容易忽略细节。
