数组的形状由沿每个轴的元素数量决定：

>>> a = np.floor(10 * rg.random((3, 4)))
>>> a
array([[3., 7., 3., 4.],
       [1., 4., 2., 2.],
       [7., 2., 4., 9.]])
>>> a.shape
(3, 4)

可以使用各种命令更改数组的形状。注意以下三个命令都返回一个修改过的数组，但不改变原数组：

>>> a.ravel()  # returns the array, flattened
array([3., 7., 3., 4., 1., 4., 2., 2., 7., 2., 4., 9.])
>>> a.reshape(6, 2)  # returns the array with a modified shape
array([[3., 7.],
       [3., 4.],
       [1., 4.],
       [2., 2.],
       [7., 2.],
       [4., 9.]])
>>> a.T  # returns the array, transposed
array([[3., 1., 7.],
       [7., 4., 2.],
       [3., 2., 4.],
       [4., 2., 9.]])
>>> a.T.shape
(4, 3)
>>> a.shape
(3, 4)

产生的数组中元素的顺序ravel通常是“C风格”，即最右边的索引“变化最快”，所以在a[0, 0]后面的元素是a[0, 1]. 如果数组被重新整形为其他形状，则数组再次被视为“C风格”。NumPy 通常创建按此顺序存储的数组，因此ravel通常不需要复制其参数，但如果该数组是通过获取另一个数组的切片或使用不寻常的选项创建的，则可能需要复制它。ravel和reshape函数还可以使用可选参数指示函数和使用 FORTRAN 样式数组，其中最左边的索引变化最快。

reshape函数以修改后的形状返回其参数，而 ndarray.resize方法修改数组本身：

>>> a
array([[3., 7., 3., 4.],
       [1., 4., 2., 2.],
       [7., 2., 4., 9.]])
>>> a.resize((2, 6))
>>> a
array([[3., 7., 3., 4., 1., 4.],
       [2., 2., 7., 2., 4., 9.]])

如果-1在重塑操作中给出了一个维度，则会自动计算其他维度：

>>> a.reshape(3, -1)
array([[3., 7., 3., 4.],
       [1., 4., 2., 2.],
       [7., 2., 4., 9.]])