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。
以上这篇python查看矩阵的行列号以及维数方式就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持脚本之家。
相关文章
一年一度的双十一即将来临，各大平台都在搞活动，京东天猫忙的不易乐乎，做任务领金币的过程真的好无聊，今天小编给大家分享一篇教程通关Python+Appium实现京东双十一自动领金币功能,需要的朋友可以参考下2019-10-10
这篇文章主要介绍了python-httpx的使用及说明，具有很好的参考价值，希望对大家有所帮助。如有错误或未考虑完全的地方，望不吝赐教2022-11-11
这篇文章主要介绍了详解Python中的Cookie模块使用,是Python入门学习中的基础知识,需要的朋友可以参考下2015-07-07
今天教各位小伙伴怎么用python实现字符串转日期,文中有非常详细的代码示例,对正在学习python的小伙伴很有帮助,需要的朋友可以参考下2021-05-05
pytorch __init__、forward与__call__的用法小结
这篇文章主要介绍了pytorch __init__、forward与__call__的用法小结，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2021-02-02
文本预处理是指在进行自然语言处理（NLP）任务之前，对原始文本数据进行清洗、转换和标准化的过程，本文主要为大家介绍了文本预处理的使用，需要的可以参考下2023-07-07
在pyton中，通过struct模块来对二进制进行转换，文中通过示例代码介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们可以参考一下2022-01-01
这篇文章主要介绍了python实现的汉诺塔算法,结合实例形式分析了汉诺塔算法的原理、实现方法及相关操作注意事项,需要的朋友可以参考下2019-10-10
这篇文章主要介绍了解决pycharm不能自动补全第三方库的函数和属性问题，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2020-03-03
详解利用django中间件django.middleware.csrf.CsrfViewMiddleware防止csrf
这篇文章主要介绍了详解利用django中间件django.middleware.csrf.CsrfViewMiddleware防止csrf攻击，小编觉得挺不错的，现在分享给大家，也给大家做个参考。一起跟随小编过来看看吧2018-10-10
最新评论