Ⅰ python：numpy.array()创建三维以上数组
需求：根据已有的多个列表，利用numpy.array()函数创建三维以上数组
格式概述： 每一维用一个 [] 括起，不同维之间用 , 逗号间隔，最后总体再用 [] 括起！！！
说明 ：列表肯定是一维的，多个列表一行一行堆叠形成二维，多个这样的二维构成三维，以此类推可得更高维矩阵（一般3维以上就不用numpy.array()这种方法创建了）。
注意 ：高维数组，以三维（5,2,3）为例：前面的5代表页数，即表示（2,3）这样的二维矩阵有5个。即： 前面的数，永远代表比它"低一维"的数组有多少个 ！
（1）创建二维数组的例子：
（2）创建三维数组的例子1：（2,3,3）
（3）创建三维数组的例子2：（4,2,3）
补充：最快验证自己创建的数组是否满足自己的维度需求的方式，就是看打印的结果中， 最外面有几个 ] 中括号，有几个 ] 就是几维数组 ！如本文中第3个例子，打印结果最外层有3个 ]，说明满足3维的要求。
Ⅱ python 怎么查看一个矩阵的维数
都是复制党，网络知道回答真的质量太低了，真的很心疼，言归正传
利用numpy求矩阵维数：
importnumpy#导入numpy模块，piplist可以查看是否安装了该模块
print("数组的维度数目",a1.ndim)
很多人提到了shape函数，这也加上吧
print("数组的维度",a1.shape)不过这里打印的不是矩阵维数，而是告诉你矩阵维度元祖
比如(28,28,3)，能够看出这是一个3维矩阵，但返回的不是维度
Ⅲ 什么是数组的维度，python 的ndim的使用
数组的维度就是一个数组中的某个元素，当用数组下标表示的时候，需要用几个数字来表示才能唯一确定这个元素，这个数组就是几维。numpy中直接用 * 即可表示数与向量的乘法，参考python 2.7的一个例子：inport numpy as np a = np.array([1,2,3,4]) # 向量 b = 5 # 数 print a*b ++++++++++++ [5,10,15,20]
Ⅳ Python气象数据处理进阶之Xarray(6)：数据重组与换形
这一部分涉及到了常用的操作，比如调换维度的位置，给数据重新reshape换形等等，建议大家可以认真阅读这部分。
老样子，先新建一个数组
比如说在求某个东西时需要将时间维放在最后一维，但是数据本身的时间在第一维，那么便可以用到这个操作。
第一种是精准换位，指定每个维度的位置
第二种是单独换位，只对指定维度换位,将time放在最后，其余不变
第三种为全部换位，相当于数组转置
扩展指增加一个维度，压缩指将一个维度挤压掉
官方文档中接下来有一段是关于DataArray向DataSet转换的，个人感觉放在这一章节并不合理，我后边会整理放进Python气象数据处理进阶之Xarray(1)中(我觉得两种基础数据结构以及互相转换应该最开始介绍的)。所以接下来跳过这部分。
个人感觉可能处理站点数据会用到这个方法
换一个数组演示
现在将这个2维数组堆叠成1维
也可以拆分，其实就是反堆叠
最重要的是不同于Pandas，Xarray的stack不缺自动丢失缺测值！！！
Xarray还提供了将不同变量stack的例子，有兴趣的可以去看看。这个用法感觉比较鸡肋
这块比较难理解，建议还是先读第一篇文章，弄清数据结构，da数组显示Dimensions without coordinates: x，而通过da.set_index函数，将X设置为混合索引号。
之后便可以实线自由索引：
通过mda.reset_index('x')重置。
reorder_levels()函数允许调换索引顺序（个人感觉比较鸡肋）
这小节应该是这篇文章和数组换形换维同等重要的。
这就是对数组进行滚动。这个的作用主要在于做差分计算。虽然前边讲过Xarray提供了中央差计算函数，但是仍需要更灵活的操作，滚动函数就实现了这个目的。