前面我们介绍过，可以通过数组的shape属性，查看它的形状：
>>> a = np.floor(10*np.random.random((3,4)))
>>> a
array([[ 2., 8., 0., 6.],
[ 4., 5., 1., 1.],
[ 8., 9., 3., 6.]])
>>> a.shape
(3, 4)
上面的例子中，先通过numpy的random函数生成一个随机3行4列数组，再对每个元素乘10，最后用floor函数取整。
有很多数组方法可以变换它的形状，并且不修改原始数组本身：
>>> a.ravel() # 平铺数组成为一维数组
array([ 2., 8., 0., 6., 4., 5., 1., 1., 8., 9., 3., 6.])
>>> a.reshape(6,2) # 调整形状
array([[ 2., 8.],
[ 0., 6.],
[ 4., 5.],
[ 1., 1.],
[ 8., 9.],
[ 3., 6.]])
>>> a.T # 返回转置数组
array([[ 2., 4., 8.],
[ 8., 5., 9.],
[ 0., 1., 3.],
[ 6., 1., 6.]])
>>> a.T.shape
(4, 3)
>>> a.shape
(3, 4)
reshape方法不会修改数组本身，resize则正好相反：
>>> a
array([[ 2., 8., 0., 6.],
[ 4., 5., 1., 1.],
[ 8., 9., 3., 6.]])
>>> a.resize((2,6))
>>> a
array([[ 2., 8., 0., 6., 4., 5.],
[ 1., 1., 8., 9., 3., 6.]])
>>> a.resize((2,7)) # 突发奇想，作死试试
alueError Traceback (most recent call last)
<ipython-input-162-8df1a3f67bca> in <module>()
----> 1 a.resize(2,7)
ValueError: cannot resize an array that references or is referenced
by another array in this way. Use the resize function
>>> np.resize(a, (2,7)) # 但是...居然可以这么干!
array([[2., 8., 0., 6., 4., 5., 1.],
[1., 8., 9., 3., 6., 2., 8.]])
# 再次提醒，在numpy中有各种类似的坑，你根本踩不过来，所以不要尝试一些自己不确定的东西。
如果reshape方法的一个参数是-1，那么这个参数的实际值会自动计算得出：
>>> a.reshape(3,-1)
array([[ 2., 8., 0., 6.],
[ 4., 5., 1., 1.],
[ 8., 9., 3., 6.]])
更多内容参考：ndarray.shape, reshape, resize, ravel