在NumPy中，可以使用不同的函数和方法来处理数据的维度。

1. 创建数组：可以使用numpy.array()函数来创建数组，可以是一维、二维、多维数组。

import numpy as np# 一维数组
a = np.array([1, 2, 3])# 二维数组
b = np.array([[1, 2, 3],[4, 5, 6]])# 多维数组
c = np.array([[[1, 2, 3],[4, 5, 6]],[[7, 8, 9],[10, 11, 12]]])

2. 获取数组的形状：可以使用shape属性来获取数组的形状。

# 一维数组形状
print(a.shape)  # 输出: (3,)# 二维数组形状
print(b.shape)  # 输出: (2, 3)# 多维数组形状
print(c.shape)  # 输出: (2, 2, 3)

3. 改变数组的形状：可以使用reshape()方法来改变数组的形状，参数为新的形状。

# 改变二维数组的形状
b_reshaped = b.reshape(3, 2)
print(b_reshaped.shape)  # 输出: (3, 2)# 改变多维数组的形状
c_reshaped = c.reshape(4, 3)
print(c_reshaped.shape)  # 输出: (4, 3)

4. 扩展数组的维度：可以使用np.expand_dims()函数来扩展数组的维度。

# 扩展一维数组的维度
a_expanded = np.expand_dims(a, axis=0)
print(a_expanded.shape)  # 输出: (1, 3)# 扩展二维数组的维度
b_expanded = np.expand_dims(b, axis=2)
print(b_expanded.shape)  # 输出: (2, 3, 1)

5. 降低数组的维度：可以使用np.squeeze()函数来降低数组的维度，可以指定降低的维度。

# 降低二维数组的维度
b_squeezed = np.squeeze(b, axis=0)
print(b_squeezed.shape)  # 输出: (2, 3)# 降低多维数组的维度
c_squeezed = np.squeeze(c, axis=(0, 2))
print(c_squeezed.shape)  # 输出: (2, 2)import numpy as np# 创建一个形状为 (1, 3, 1) 的数组
arr = np.zeros((1, 3, 1))
print("原始数组形状：", arr.shape)  # 输出 (1, 3, 1)# 使用 np.squeeze() 函数降维
arr_squeezed = np.squeeze(arr)
print("降维后的数组形状：", arr_squeezed.shape)  # 输出 (3,)

6、在numpy中，可以使用transpose()函数来交换数组的维度。transpose()函数可以接受一个包含轴编号的元组作为参数，指定需要交换的维度。

import numpy as nparr = np.array([[1, 2, 3],[4, 5, 6]])#（2，3）arr_transposed = arr.transpose((1, 0)) #（3，2）print(arr_transposed)