在Day1-數據選擇中，有簡單介紹Numpy可以支援多維陣列處理，而在處理series資料時，常會合Pandas Dataframes相互使用。
數據集的來源相當廣泛包含各種格式，像是文字、圖像、音檔...等，儘管類型極為不同，但都可以轉換成數字集合。例如，圖像可以透過圖片明暗度(二值化)來產生二維0、1數字組合的陣列，音檔亦能透過音量的強弱來產生，因此，講解完數據的基本操作後，將會介紹如何做到特徵工程。

• 將numpy函示庫匯入並從新命名為np

import numpy as np

• 基本建立資料矩陣

level = ['a','b','c','d']
number = [1, 2, 3, 4]
score = [55.0, 88.5, 65.0, 10.5]

• 將上面3個一維陣列資料合併

data['number'] = number
data['level'] = level
data['score'] = score
print(data)

[('a', 1, 55. ) ('b', 2, 88.5) ('c', 3, 65. ) ('d', 4, 10.5)]

• 透過矩陣的索引名稱來求資料

#取得索引值為level的所有資料
data['level']
#取得第一列的資料
data[0]
#取得level的最後一筆資料
data[-1]['level']

array(['a', 'b', 'c', 'd'], dtype='<U10')

('a', 1, 55.)

'd'

• 利用dtype的方式來定義數據的類型

np.dtype([('name', 'S10'), ('age', 'i4'), ('weight', 'f8')])

python提供的數據類型可以參考：https://docs.scipy.org/doc/numpy-1.15.0/user/basics.types.html
Day1-程式語言、模組百百種 要如何選擇?(含30天文章架構)