嗨嗨，今天已經來到了鐵人比賽的第十四天了，竟然也默默要走完一半了呢！

在之前我們已經將pandas的概念以及使用說明完了，現在要進入Numpy這個主題了，其實在之前幾篇文章中已經有稍微使用到Numpy，只是都沒有深入的說明，接下來幾天我將會深入的說明它是如何使用的，敬請期待！

若是想看更多Numpy的介紹：

• [Day 15]Numpy操作索引＆局部資料！
• [Day16]Numpy的廣播&方法！
• [Day17]Numpy的數學&統計方法！
• [Day18]Numpy檔案輸入與輸出！

ndarray

今天，來聊聊ndarray是什麼吧。

ndarray, a fast and space-efficient multidimensional array providing vectorized arithmetic operations and sophisticated broadcasting capabilities

簡單來說ndarray是一個快速的且可以節省空間的多維度陣列，提供向量運算以及複雜的功能，所謂的廣播功能是什麼，不用擔心，下面會繼續說明的！

np.array()

首先，我們先引入Numpy這個套件：

import numpy as np

建立資料data：

data = np.array([[ 0.226, -0.23 , -0.86],
[ 0.5639, 0.2379, 0.904]])

我們使用np.array()這個方法，可以看到上面建立一個矩陣的資料。
輸出data可以看到：

array([[ 0.226 , -0.23  , -0.86  ],
       [ 0.5639,  0.2379,  0.904 ]])

Type provide

我們可以提供我們要的資料類型給它，只需要在括號內加上dtype=資料類型

np.array([1, 2, 3], dtype=complex)

可以看到輸出：

array([ 1.+0.j,  2.+0.j,  3.+0.j])

Creating ndarrays

創建資料的方法，也可以先建立一個list：

data1 = [6, 7.5, 8, 0, 1]

使用np.array()

arr1 = np.array(data1)

輸出arr1就可以看到輸出結果：

array([ 6. , 7.5, 8. , 0. , 1. ])

當然，資料不一定一定要一維的：

data2 = [[1, 2, 3, 4], [5, 6, 7, 8]]

上面這裡我們是給一個二維的陣列，一樣可以轉成ndarrays：

arr2 = np.array(data2)

.ndim

要如何看資料(ndarray)有多少維？

data2 = [[1, 2, 3, 4], [5, 6, 7, 8]]
arr2 = np.array(data2)
arr2.ndim

使用ndim，上面的程式碼可以得到2。
記得要是ndarray的型態才可以用哦

如果資料是list忘記轉成ndarray會得到以下錯誤：

---------------------------------------------------------------------------
AttributeError                            Traceback (most recent call last)
<ipython-input-27-78cb2f6fe29a> in <module>()
----> 1 data1.ndim
AttributeError: 'list' object has no attribute 'ndim'

.shape

若是想看是幾乘幾的矩陣可以使用shape這個方法：

arr2.shape

就可以得到 (2,4)

.dtype

它和pandas相同也可以看資料類型：

data.dtype

總結：

今天簡單說明了什麼是ndarray，講解了如何建立ndarray這樣的資料類型，還有查看資料的資訊，接下來會繼續說明如何操作ndarray的資料。

更多資訊：
numpy.array