python中的shape计算

今天开始自学机器学习，python语言也是从零开始，其中一个函数shape()困惑了好久才弄明白，特地来分享一下，有错误之处请指出。
首先一些观点认为：A为矩阵，A.shape为输出矩阵A的行数与列数，A.shape[0]为输出行数，A.shape[1]为输出列数

>>> import numpy
>>> A=mat([[1,2,3],[4,5,6]])
>>> A.shape
(2L, 3L)
>>> A.shape[0]
2L
>>> A.shape[1]
3L

可以看到，矩阵A的行数与列数确实为2与3
然而A.shape[0]的用法为输出行数，为什么参数是0而不是别的数呢？
一些资料说，shape[x]内的参数x为第x+1维的长度，这就可以解释为什么输出行数的参数为0了。假如A矩阵由m行组成，每一行由n个数字组成，那么A矩阵的第一维长度为m，第二维长度为n。
下面为一些例子：
1.一维的数组

>>> A=array([1,2,3])
>>> A
array([1, 2, 3])
>>> A.shape
(3L,)

一维的长度就足以表示此数组。

2.二维的数组

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

二维的长度宽度就足以表示此数组。

3.三维或更高维的数组

>>> C=array([[[1,2,3],[4,5,6]],[[7,8,9],[10,11,12]]])
>>> C
array([[[ 1,  2,  3],
        [ 4,  5,  6]],

       [[ 7,  8,  9],
        [10, 11, 12]]])
>>> C.shape
(2L, 2L, 3L)

三维的长度宽度高度就足以表示此数组，以此类推，从而可以找到N维数组的某一维长度。

---

PS：第一次发博客，还不是很会用markdown ~>_<~+