今日目標

學習了解 Python Numpy 資料科學的觀念與運用

What is Numpy?

Numpy 是 Python 資料科學計算模組，主要用於資料處理上
同時，在 Python 許多常聽到的資料科學計算模組(Pandas、Scikit-learn等)，都需要用到 Numpy 模組內的一部分功能，幾乎是使用 Numpy 當做基礎開發出來的

了解 Numpy 陣列

Numpy 使用多維陣列 ndarray 來取代 Python 的串列資料，是個可以裝載相同類型資料的多維容器

讀取方式，橫(左右)的為列 row，直(上下)的為欄 column(col)

因一維陣列只有一軸向，因此只有 col 的數量，所以形狀 shape(3)

二維陣列有 row 跟 col 二軸向，軸向看法：先看 row，再看 col(上述有2個 row，3個 col)，因此形狀是 shape(2,3)

多維陣列，是以多個 row 跟 col 形成的矩陣組合起來
以三維來說，有3個矩陣，2個 row，3個 col，軸向看法：先看矩陣數量，再看 row，最後看 col，因此形狀是 shape(3,2,3)

使用介紹

使用前需要先導入 Numpy 模組(為了後續撰寫方便，可以自行取別名)

import numpy as np

建立陣列 array()

可以將串列元組資料型態，轉換為 ndarray 資料型態，語法為：

numpy.array(object, [其餘參數])

dtype = None, order = None, subok = False, ndmin = 0

實際體驗

import numpy as np

v1 = np.array((1, 2, 3, 4, 5)) # 使用 list 資料型態
v2 = np.array([1.1, 2.2, 3.3, 4.4, 5.5]) # 使用 tuple 資料型態

print(v1)
print("v1 type:%s"%(type(v1))) # 印出 v1 資料型態
print(v2)
print("v2 type:%s"%(type(v2))) # 印出 v2 資料型態

查詢或設定該陣列型別 dtype

若是要查詢指定的 ndarry 資料的話，僅需使用「ndarray.dtype」即可
若是要設定 ndarry 資料型態的話，僅需要在建立陣列時將 dtype 參數加入，並指定資料型態即可

實際體驗

import numpy as np

v1 = np.array((1, 2, 3, 4, 5))
v2 = np.array([1.1, 2.2, 3.3, 4.4, 5.5])
v3 = np.array([1.1, 2.2, 3.3, 4.4, 5.5], dtype=int) # 轉換資料型態為 int

print("v1.dtype:%s"%(v1.dtype)) # 印出 v1 資料型態
print("v2.dtype:%s"%(v2.dtype)) # 印出 v2 資料型態
print("v2:%s"%(v2)) # 印出 v2 資料內容
print("v3:%s"%(v3)) # 印出 v3 資料內容
print("v3.dtype:%s"%(v3.dtype)) # 印出 v3 資料型態

建立有順序的整數數列 arange()

arange 其實跟 range 有點相似，可以建立等距的整數數列
其語法必要的參數是終止值，而若要使用間隔值，則還需要設定起始值：
(若只有終止值，沒有起始值的話，起始值會以 0 開始)

numpy.arange([起始值], 終止值, [間隔值])

實際體驗
印出範圍 1~20，值與值之間需要相間隔 3

import numpy as np

arangeValue = np.arange(1, 20, 3)
print(arangeValue)

建立同等陣列：建立全部都是 0 的陣列 zeros()

numpy.zeros((陣列各維度用逗號區隔))

實際體驗

import numpy as np

zeroValue = np.zeros((3))
print(zeroValue)

zeroValue2 = np.zeros((3, 5))
print(zeroValue2)

建立同等陣列：建立全部都是 1 的陣列 ones()

numpy.ones((陣列各維度用逗號區隔))

實際體驗

import numpy as np

oneValue = np.ones((3))
print(oneValue)

oneValue2 = np.ones((3, 5))
print(oneValue2)

建立等距陣列 linspace()

只要給予陣列的區間「起始值, 終止值」，就可以要求在這個區間內產生幾個元素，語法為：

numpy.linspace(起始值, 終止值, 元素個數)

實際體驗

import numpy as np
linspaceValue = np.linspace(1, 10, 3)
print(linspaceValue)

建立隨機值陣列 empty()

將透過給予的形狀，建立隨機值的陣列

numpy.empty((陣列各維度用逗號區隔))

實際體驗

import numpy as np
emptyValue = np.empty((2))
print(emptyValue)

實際體驗-建立三維陣列，並印出「維度 ndim」、「形狀 shape」、「數量 size」

import numpy as np

list_data =[
[[1, 3],
 [2, 6]],
[[1, 3],
 [2, 6]],
[[1, 3],
 [2, 6]]
]

numpyArray = np.array(list_data)

print("維度:", numpyArray.ndim)
print("形狀:", numpyArray.shape)
print("數量:", numpyArray.size)

結論

若是想接觸 Python 資料科學的領域的話，Numpy 真的需要熟悉運用
將在下篇說明 Numpy 的其餘運用方式