np.ndarray != Matrix, 使用np.ndarray时的注意事项

索引多维数组的某一列时返回的是一个行向量

>>> X = np.array([[1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12]])
>>> X[:, 1]
array([2, 6, 10])       % 这里是一个行
>>> X[:, 1].shape       % X[:, 1] 的用法完全等同于一个行，而不是一个列，
(3, )

所以，一种正确的索引方式是：

>>>X[:, 1][:, np.newaxis]
array([[2],
 [6],
 [10]])

如果想实现第二列和第四列的拼接（层叠）：

>>>X_sub = np.hstack([X[:, 1][:, np.newaxis], X[:, 3][:, np.newaxis]])           
 % hstack：horizontal stack，水平方向上的层叠
>>>X_sub
array([[2, 4]
 [6, 8]
 [10, 12]])

A.dot(B) 与 A*B

operator	matlab	python
矩阵乘法 A的列等于B的行	* A*B	A.dot(B) np.dot(A, B)
按位相乘 element-wise	A.*B	A*B

矩阵运算从matlab迁移到python（numpy）更详尽的内容请参见<Python 机器学习——线性代数和矩阵运算：从matlab迁移到python>