判断多维数组是否为空应使用 arr.size == 0，因其准确反映元素总数为 0；shape 中含 0（即 0 in arr.shape）也等价有效；而 ndim 和 len 单独使用不可靠，且空数组不等于 none。
判断一个多维数组是否为空，关键看它是否包含任何元素，而不是看维度数量或某一层是否为 None。NumPy 中“空”指的是整个数组的元素总数为 0，与 Python 列表的布尔值判断逻辑不同。
用 size == 0 最可靠
NumPy 数组的 size 属性返回所有维度上元素的总个数。只要 arr.size == 0，就说明这个数组不含任何数据，无论它是一维、二维还是更高维。
-
np.array([])→ size = 0 -
np.array([[]])→ size = 0（一维，含一个空子列表） -
np.empty((0, 5))→ size = 0（0 行 × 5 列 = 0 个元素） -
np.zeros((3, 0))→ size = 0（3 行 × 0 列 = 0 个元素）
shape 中含 0 也意味着空
数组的 shape 是一个元组，表示各维度长度。如果任意一个维度长度为 0，整个数组就不可能存下任何元素。
-
np.array([]).shape→(0,) -
np.array([[]]).shape→(1, 0) -
np.empty((0, 4, 2)).shape→(0, 4, 2)
因此，0 in arr.shape 是等价且安全的判断方式，尤其适合需要同时检查结构特征的场景。
不要依赖 ndim 或 len 单独判断
ndim 返回维度数，空数组也可能有多个维度（如 (0, 0, 0)），不能用来判空；len() 只返回第一维长度，对 np.array([[]]) 返回 1，但它实际是空的——所以仅用 len(arr) == 0 会漏判。
- ❌
len(np.array([[]])) == 0→ False（误判为非空） - ✅
np.array([[]]).size == 0→ True（正确）
注意：空数组 ≠ None 或未初始化
NumPy 数组本身不会是 None（除非你手动赋值）。判空前无需做 is not None 检查。但如果你处理的是可能为 None 的变量（比如函数返回值），应先确认对象类型：
- 先确保是
np.ndarray：isinstance(arr, np.ndarray) - 再用
arr.size == 0判空 - 若
arr is None，那它根本不是数组，属于缺失值问题，需单独处理
