shape / reshape / resize / transpose 有什么区别？维度变换为什么老出错？

四者速查：

| 方法 | 类型 | 行为 |

|---|---|---|

| .shape | 属性 | 查看形状；可直接赋值 arr.shape = (2,3)（不改变数据顺序） |

| .reshape() | 方法 | 返回新形状的数组（视图或副本，不改原数组） |

| .resize() | 方法 | 原地修改数组形状，可增减元素（多补 0，少截断） |

| .transpose() / .T | 方法/属性 | 转置，维度顺序反转，返回视图 |

reshape 常见写法：

a = np.arange(12)          # [0..11]
b = a.reshape(3, 4)        # 3 行 4 列
c = a.reshape(-1, 2)       # -1 自动推算：6 行 2 列（最常用）
d = a.reshape(3, 2, 2)     # 多维

维度变换最容易错的两点：

1. 元素总数必须一致：reshape(4, 4) 会报错，因为 12 个元素装不进 16 格；不知道总长就写 -1 让 NumPy 算。

2. 忘记 reshape 返回新数组：a.reshape(3,4) 不改 a 本身，要 a = a.reshape(3,4) 才生效（resize 才会原地改）。

transpose 注意：二维 a.T 就是行列互换；高维 a.transpose(1,0,2) 按索引换轴，报错多是轴序号超出维度或语义理解错——画个形状草图再动手。