深度学习入门 : 基于Python的理论与实现

3.3  多维数组的运算 

51

>>> import numpy as np

>>> A = np.array([1, 2, 3, 4])

>>> print(A)

[1 2 3 4]

>>> np.ndim(A)

1

>>> A.shape

(4,)

>>> A.shape[0]

4

如上所示，数组的维数可以通过

np.dim()

函数获得。此外，数组的形状

可以通过实例变量

shape

获得。在上面的例子中，

A

是一维数组，由4 个元素

构成。注意，这里的

A.shape

的结果是个元组（

tuple

）。这是因为一维数组的

情况下也要返回和多维数组的情况下一致的结果。例如，二维数组时返回的

是元组

(4,3)

，三维数组时返回的是元组

(4,3,2)

，因此一维数组时也同样以

元组的形式返回结果。下面我们来生成一个二维数组。

>>> B = np.array([[1,2], [3,4], [5,6]])

>>> print(B)

[[1 2]

[3 4]

[5 6]]

>>> np.ndim(B)

2

>>> B.shape

(3, 2)

这里生成了一个 3

×

2 的数组

B

。3

×

2 的数组表示第一个维度有 3个元素，

第二个维度有2 个元素。另外，第一个维度对应第0 维，第二个维度对应第

1 维（

Python

的索引从 0开始）。二维数组也称为矩阵（

matrix

）。 如 图 3

-

10 所示，

数组的横向排列称为行（

row

），纵向排列称为列（

column

）。

3.3.2

　矩阵乘法

下面，我们来介绍矩阵（二维数组）的乘积。比如2

×

2 的矩阵，其乘积

可以像图3