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我们。

赞 (0)

相关推荐

  • Python获取二维矩阵每列最大值的方法

    因为做项目中间有一个很小的环节需要这个功能,所以就写了一个简单的小函数,下面是具体实现: #!usr/bin/env python #encoding:utf-8 ''' __Author__:沂水寒城 ''' def get_max_value(martix): ''' 得到矩阵中每一列最大的值 ''' res_list=[] for j in range(len(martix[0])): one_list=[] for i in range(len(martix)): one_list.ap

  • Python获取二维数组的行列数的2种方法

    这篇文章主要介绍了Python获取二维数组的行列数的2种方法,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下 import numpy as np x = np.array([[1,2,5],[2,3,5],[3,4,5],[2,3,6]]) # 输出数组的行和列数 print x.shape # (4, 3) # 只输出行数 print x.shape[0] # 4 # 只输出列数 print x.shape[1] # 3 或者 In [48]

  • Python numpy中矩阵的基本用法汇总

    Python numpy中矩阵的基本用法汇总

    Python矩阵的基本用法 mat()函数将目标数据的类型转化成矩阵(matrix) 1,mat()函数和array()函数的区别 Numpy函数库中存在两种不同的数据类型(矩阵matrix和数组array),都可以用于处理行列表示的数字元素,虽然他们看起来很相似,但是在这两个数据类型上执行相同的数学运算可能得到不同的结果,其中Numpy函数库中的matrix与MATLAB中matrices等价. 直接看一个例子: import numpy as np a = np.mat('1 3;5 7')

  • 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 insta

  • 在python中创建指定大小的多维数组方式

    python中创建指定大小的二维数组,有点像C++中进行动态申请内存创建数组,不过相比较而言,python中更为简单一些. 创建n行m列的二维数组: n = 2 m = 3 matrix = [None]*2 for i in range(len(matrix)): matrix[i] = [0]*3 print(matrix) 当然也可以使用list comprehension的方式创建: n = 2 m = 3 matrix = [[0]*m for i in range(n)] print

  • python中返回矩阵的行列方法

    实例如下所示: # TODO 返回矩阵的行数和列数 def shape(M): return len(M),len(M[0]) 以上这篇python中返回矩阵的行列方法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我们. 您可能感兴趣的文章: Python numpy 提取矩阵的某一行或某一列的实例 Python矩阵常见运算操作实例总结 Python表示矩阵的方法分析 Python获取二维矩阵每列最大值的方法 Python实现矩阵转置的方法分析 matlab中实现矩阵删

  • Python+numpy实现矩阵的行列扩展方式

    对于numpy矩阵,行列扩展有三种比较常用的方法: 1.使用矩阵对象的c_方法扩展列,使用矩阵对象的r_方法扩展行. 2.使用numpy扩展库提供的insert()函数,使用axis参数指定行或列. 3.使用numpy扩展库的row_stack()函数扩展行,column_stack()函数扩展列. 以上这篇Python+numpy实现矩阵的行列扩展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我们.

  • python实现给微信公众号发送消息的方法

    本文实例讲述了python实现给微信公众号发送消息的方法.分享给大家供大家参考,具体如下: 现在通过发微信公众号信息来做消息通知和告警已经很普遍了.最常见的就是运维通过zabbix调用shell脚本给微信发消息,起到告警的作用.当要发送的信息较多,而且希望按照指定格式显示的好看一点的时候,shell处理起来,个人感觉不太方便.于是我用Python重写了发微信的功能. #coding:utf-8 import urllib2 import json import sys def getMsg():

  • Python表示矩阵的方法分析

    Python表示矩阵的方法分析

    本文实例讲述了Python表示矩阵的方法.分享给大家供大家参考,具体如下: 在c语言中,表示个"整型3行4列"的矩阵,可以这样声明:int  a[3][4];在python中一不能声明变量int,二不能列出维数.可以利用列表中夹带列表形式表示.例如: 表示矩阵 ,可以这样: count = 1 a = [] for i in range(0, 3): tmp = [] for j in range(0, 3): tmp.append(count) count += 1 a.append

  • Python中矩阵库Numpy基本操作详解

    NumPy是一个关于矩阵运算的库,熟悉Matlab的都应该清楚,这个库就是让python能够进行矩阵话的操作,而不用去写循环操作. 下面对numpy中的操作进行总结. numpy包含两种基本的数据类型:数组和矩阵. 数组(Arrays) >>> from numpy import * >>> a1=array([1,1,1]) #定义一个数组 >>> a2=array([2,2,2]) >>> a1+a2 #对于元素相加 array(

  • Python实现矩阵转置的方法分析

    Python实现矩阵转置的方法分析

    本文实例讲述了Python实现矩阵转置的方法.分享给大家供大家参考,具体如下: 前几天群里有同学提出了一个问题:手头现在有个列表,列表里面两个元素,比如[1, 2],之后不断的添加新的列表,往原来相应位置添加.例如添加[3, 4]使原列表扩充为[[1, 3], [2, 4]],再添加[5, 6]扩充为[[1, 3, 5], [2, 4, 6]]等等. 其实不动脑筋的话,用个二重循环很容易写出来: def trans(m): a = [[] for i in m[0]] for i in m: f

  • Python 抓取微信公众号账号信息的方法

    搜狗微信搜索提供两种类型的关键词搜索,一种是搜索公众号文章内容,另一种是直接搜索微信公众号.通过微信公众号搜索可以获取公众号的基本信息及最近发布的10条文章,今天来抓取一下微信公众号的账号信息 爬虫 首先通过首页进入,可以按照类别抓取,通过"查看更多"可以找出页面链接规则: import requests as req import re reTypes = r'id="pc_\d*" uigs="(pc_\d*)">([\s\S]*?)&

  • 利用Python查看微信共同好友功能的实现代码

    总有思路清奇的朋友存在,想实现查看微信共同好友: 由于之前分享的代码有获取过微信好友头像,所以当时第一反应是通过itchat微信接口获取好友信息,比对两个人的好友信息列表就可以实现了.按理说这么简单的话,应该早有现成的代码了,然而并没有搜到,那正好,拿来练练手! 先放最终结果图: 思路 首先通过itchat这个微信个人号接口扫码登录个人微信网页版,获取可以识别好友身份的数据.这里是需要分别登录两人微信的,拿到两人各自的好友信息存到列表中. 这样一来,查共同好友就转化成了查两个列表中相同元素的问题

随机推荐