1.2 有矩阵的地方，更有向量
行向量
首先，矩阵X可以看作是由一系列行向量（row vector）上下叠加而成的。
如图1.4所示，矩阵X的第i行可以写成行向量x（i）。上标圆括号中的i代表序号，对于鸢尾花数据集，i=1～150。
举个例子，X的第1行行向量记做x（1），具体为
行向量x（1）代表鸢尾花数据集编号为1的样本。行向量x（1）的四个元素依次代表花萼长度（sepal length）、花萼宽度（sepal width）、花瓣长度（petal length）和花瓣宽度（petal width）。长、宽的单位均为厘米（cm）。
行向量x（1）也可以看做1行、4列的矩阵，即形状为1×4。
虽然Python是基于0编号（zero-based indexing），但是本书对矩阵行、列编号时，还是延续线性代数传统，采用基于1编号（one-based indexing）。鸢尾花书《编程不难》专门介绍过两种不同的编号方式。
图1.4 鸢尾花数据，行向量代表样本数据点
列向量
矩阵X也可以看做是由一系列列向量（c olumn vector）左右排列而成的。
如图1.2所示，矩阵X的第j列可以写成列向量xj，下标j代表列序号。对于鸢尾花数据集，若不考虑分类标签，则j=1～4。
比如，X的第1列向量记做x1，具体为
列向量x1代表鸢尾花150个样本数据花萼长度数值。列向量x1可以看做150行、1列的矩阵，即形状为150×1。整个数据矩阵X可以写成四个列向量，即X=[x1, x2, x3, x4]。
再次强调：为了区分数据矩阵中的行向量和列向量，在编号时，本书中行向量采用上标加圆括号，如x（1）；而列向量编号采用下标，如x1。
此外，大家熟悉的三原色光模式（RGB color mode）中的每种颜色实际上也可以写成列向量，如图1.5所示的7种颜色。在本书第7章中，我们将用RGB解释向量空间等概念。
图1.5 7种颜色对应的RGB颜色向量
大家可能会问，元素数量均为150的x1、x2、x3、x4这四个向量到底意味着什么？有没有什么办法可视化这四个列向量？怎么量化它们之间的关系？答案会在本书第12章揭晓。
当然，我们不要被向量、矩阵这些名词吓到。矩阵就是一个表格，而这个表格可以划分成若干行、若干列，它们分别叫行向量、列向量。