我注意到一些numpy操作采用名为shape的参数，例如np.zeros，而其他一些采用名为size的参数，例如np.random.randint。对我来说，这些论点具有相同的功能，并且它们具有不同的名称这一事实有点令人困惑。实际上，size似乎有点偏，因为它确实指定了输出的.shape。
是否有理由使用不同的名称，即使它们最终都等于输出的.shape，它们是否会传达不同的含义？
答案 0 :(得分：4)
Shape与N维数组的尺寸的大小有关。
Size与数组中包含的元素的数量（或计数）相关（有时，在顶部维度数组 - 用作长度时。）
例如，让a成为矩阵
1 2 3 4
5 6 7 8
9 10 11 12
a的形状为(3, 4)，a的大小为12，a[1]的大小为4.
答案 1 :(得分：1)
因为你正在使用一个被称为C数组的numpy数组，size指的是你的数组有多大。此外，如果您可以通过np.zeros(10)或np.zeros((10))。虽然区别很微妙，但size通过这种方式会创建一个一维数组。你可以给size=(n1, n2, ..., nn)创建一个nD数组。
但是，因为python用户想要多维数组，array.reshape允许你从1D到nD数组。因此，当您调用shape时，您将获得数组的N维形状，因此您可以准确地看到数组的外观。
实质上，size等于shape元素的乘积。
编辑：名称的不同可归结为两部分：首先，您可以使用大小初始化数组。但是，你不知道它的形状。所以size仅适用于元素总数。其次，如何开发numpy，不同的人在代码的不同部分工作，根据他们对代码的个人愿景，给出大致相同元素的不同名称。