NumPy 数组的维数称为秩（rank），秩就是轴的数量，即数组的维度，一维数组的秩为 1，二维数组的秩为 2，以此类推。
在 NumPy中，每一个线性的数组称为是一个轴（axis），也就是维度（dimensions）。比如说，二维数组相当于是两个一维数组，其中第一个一维数组中每个元素又是一个一维数组。所以一维数组就是 NumPy 中的轴（axis），第一个轴相当于是底层数组，第二个轴是底层数组里的数组。而轴的数量——秩，就是数组的维数。
很多时候可以声明 axis。axis=0，表示沿着第 0 轴进行操作，即对每一列进行操作；axis=1，表示沿着第1轴进行操作，即对每一行进行操作。
NumPy 的数组中比较重要 ndarray 对象属性
- ndarray.ndim ： 秩，即轴的数量或维度的数量
- ndarray.shape ：数组的维度，对于矩阵，n 行 m 列
- ndarray.size ：数组元素的总个数，相当于 .shape 中 n*m 的值
- ndarray.dtype ：ndarray 对象的元素类型
- ndarray.itemsize ：ndarray 对象中每个元素的大小，以字节为单位
- ndarray.flags： ndarray 对象的内存信息
- ndarray.real ：ndarray 元素的实部
- ndarray.imag ：ndarray 元素的虚部
- ndarray.data ： 包含实际数组元素的缓冲区，由于一般通过数组的索引获取元素，所以通常不需要使用这个属性。
import numpy as np
# 创建简单的列表
a = [1,2,3,4,5,6]
# 讲列表转换为数组
b = np.array(a)
# Numpy查看数组属性
print(b.size)
#6
# 数组形状
print(b.shape)
# (6,)
# 数组维度
print(b.ndim)
# 1
# 数组元素类型
print(b.dtype)
# int32
来源：oschina
链接：https://my.oschina.net/u/3696975/blog/3207196