我注意到一些numpy操作採用了名爲shape的參數，例如np.zeros，而其他一些參數則採用了size的參數，例如np.random.randint。對我而言，這些論點具有相同的功能，而且它們具有不同的名稱這一點有點令人困惑。實際上，size似乎有點偏離，因爲它確實指定了輸出的.shape。numpy：尺寸與形狀？
是否有不同名稱的原因，它們是否表達了不同的含義，即使它們最終都等於輸出的.shape？
Shape涉及N維陣列的尺寸的尺寸。
Size關於陣列，涉及被包含在數組中的元素量（或計數）（或有時，在陣列的頂部尺寸 - 用作長度時）。
例如，讓a是矩陣
1 2 3 4
5 6 7 8
9 10 11 12
的a形狀(3, 4)，的a大小爲12和a[1]大小爲4。
我認爲OP理解這一點。他/她質疑爭論名稱的選擇。例如，'randint'要求大小（int），但實際上可以帶有元組（它在numpy中通常被解釋爲一個形狀）。 – armatita
因爲你有工作numpy數組，看作是一個C數組，size指的是數組的大小。此外，如果您可以通過np.zeros(10)或np.zeros((10))。雖然差別很微妙，size通過這種方式會創建一個1D數組。你可以給size=(n1, n2, ..., nn)這將創建一個nD數組。
但是，因爲python用戶需要多維數組，所以array.reshape允許您從1D到nD數組。所以，當你打電話給shape時，你會得到數組的N維形狀，所以你可以看到數組的樣子。
實質上，size等於shape的元素的乘積。
編輯：名稱的差異可歸因於2個部分：首先，您可以初始化您的數組大小。但是，你不知道它的形狀。因此size僅適用於元素的總數。其次，如何開發numpy，不同的人在代碼的不同部分工作，根據他們對代碼的個人願景給出大致相同的元素的不同名稱。
我不這麼認爲。其社區發展。它並不總是容易確保一致性。我贊同你。 Shape（在numpy上下文中）對我來說似乎是參數名稱的更好選擇。兩者之間的實際關係是'size = np.prod（shape）'，所以在參數名稱中的區別應該更加明顯一些。 – armatita
'randint'使用'size'參數名稱，但在解釋中使用'shape'。這不要與真正的「尺寸」屬性混淆。 – hpaulj