python查看矩阵的行列号以及维数方式

print(X.shape):查看矩阵的行列号

print(len(X)):查看矩阵的行数

print(X.ndim):查看矩阵的维数

1 查看矩阵的行列号

2 查看矩阵的行数

3 查看矩阵的维数

补充知识：Python之numpy模块的添加及矩阵乘法的维数问题

在Python中，numpy 模块是需要自己安装的，在安装编程软件时，默认安装了pip，因此我们可以用pip命令来安装

numpy模块。

首先打开电脑的“cmd.exe”，如下图所示：

在这里输入“pip install numpy”，然后按回车键来安装numpy模块，安装过程如下图所示：

我这里是第二次安装，如果是第一次安装，会显示安装过程的进度条，在图中可以看出 “Successfully installed numpy-1.14.5”，即成功的安装了版本为1.14.5的numpy模块。

接下来就可以使用numpy模块进行编程了。

这里来说一下使用矩阵乘法的问题：在numpy模块中矩阵的乘法用dot()函数，但是要注意维数，还有就是要细心。

下面的代码在执行的过程中就报错了：

import numpy as np

def nonlin(x,deriv=False):
if (deriv==True):
 return x*(1-x)
return 1/(1+np.exp(-x))

#input dataset
x=np.array([[0.05, 0.07, 1.26, 51，128983, 37.180962, 149.0759784, 4.368080458, 1.0132,  24.4777],
  [0.54, 0.18, 0.34, 30.83226759, 39.7490114, 12.70335148, 5.792655734, 4.66,  1.57],
  [0.47, 0.95, 2.01, 38.01532298, 3.080286601, 89.59062789, 5.349154432, 1.05,  0.461],
  [0.81, 1.06, 1.3, 77.882162, 59.17737344, 124.9541366, 5.259286248, 0.2105,  1.706]])
#output dataset
y=np.array([[15, 26, 33, 64]]).T
np.random.seed(1)
syn0=2*np.random.random((9,1))-1

for iter in range(10000):
l0=x
l1=nonlin(np.dot(l0,syn0))
l1_error=y-l1
l1_delta=l1_error*nonlin(l1,True)
syn0+=np.dot(l0.T,l1_delta)
print ("Outout after training:")
print (l1)

报错如图所示：

这里的第三十行就是上述代码中的“l1=nonlin(np.dot(l0,syn0))”，这里提示(4，)与(9，1)不对齐，然后打印一下矩阵l0和syn0

的维数，即将命令“print(l0.shape)”和“print(syn0.shape)”放在“l1=nonlin(np.dot(l0,syn0))”的前一行，如下图所示：

发现矩阵l0和syn0的维数分别为(4，)与(9，1)，若矩阵l0为(4，9)，矩阵乘法才能计算。这里的矩阵l0就是输入，即为x。

经过查找发现输入的第一行数据中，有一个数据错将小数点输成逗号所致。将上述代码的输入数据：

#input dataset
x=np.array([[0.05, 0.07, 1.26, 51，128983, 37.180962, 149.0759784, 4.368080458, 1.0132,  24.4777],
  [0.54, 0.18, 0.34, 30.83226759, 39.7490114, 12.70335148, 5.792655734, 4.66,  1.57],
  [0.47, 0.95, 2.01, 38.01532298, 3.080286601, 89.59062789, 5.349154432, 1.05,  0.461],
  [0.81, 1.06, 1.3, 77.882162, 59.17737344, 124.9541366, 5.259286248, 0.2105,  1.706]])

改为：

#input dataset
x=np.array([[0.05, 0.07, 1.26, 51.128983, 37.180962, 149.0759784, 4.368080458, 1.0132,  24.4777],
  [0.54, 0.18, 0.34, 30.83226759, 39.7490114, 12.70335148, 5.792655734, 4.66,  1.57],
  [0.47, 0.95, 2.01, 38.01532298, 3.080286601, 89.59062789, 5.349154432, 1.05,  0.461],
  [0.81, 1.06, 1.3, 77.882162, 59.17737344, 124.9541366, 5.259286248, 0.2105,  1.706]])

然后代码执行成功。

来源：https://blog.csdn.net/S09M03J/article/details/101604418