前言

今天要來繼續介紹 NumPy 的應用，包括了 Slicing 索引，Copy, View 複製， Shape, Reshape, Concatenate 等等內容。

NumPy

Slicing

NumPy 中的矩陣，也可以透過像 list 一樣的方法去取出。
語法一樣也是 [start:end:step]。

如圖，取出這個矩陣的第 1 個到第 4 個元素

import numpy as np

array1 = np.array([1, 2, 3, 4, 5, 6, 7, 8])

print(array1[1:5])

# 輸出
# [2 3 4 5]

Slicing 2-D Arrays

在 2-D 的矩陣也可以使用 Slicing 來取出元素，如下程式為取出第一個 row 的 1-2 個元素。

import numpy as np

array1 = np.array([[1, 2, 3, 4], [5, 6, 7, 8]])

print(array1[1, 1:3])

# 輸出
# [6 7]

底下為取出第 0-1 個 row，並取出他們的第 1-2 個元素。

import numpy as np

array1 = np.array([[1, 2, 3, 4], [5, 6, 7, 8]])

print(array1[0:2, 1:3])

# 輸出
# [[2 3]
#  [6 7]]

複製矩陣：Copy & View

這兩個函式的差別在於，.copy() 是複製一個新的 array，所以改變 copy 後的 array 並不會改變到原本的 array，.view() 是給你看到原本的矩陣而已，所以改變的話會把原本的 array 也改變。我們看一下底下的例子會更清楚。

• .copy()：

  底下 array1 為原本的 array，並且用 .copy() 函式來複製一個一樣的 array 給 x，這時若改變 x，並不會對原本的 array1 造成影響。

  import numpy as np
  
  array1 = np.array([1, 2, 3, 4])
  x = array1.copy()
  x[0] = 4
  
  print(x)         # [4 2 3 4]
  print(array1)    # [1 2 3 4]
  

• .view()：

  底下 array1 為原本的 array，並且用 .view() 函式來把 array1 給 y 看見，這時若改變 y，相當於改變了 array1。

  import numpy as np
  
  array1 = np.array([1, 2, 3, 4])
  y = array1.view()
  y[0] = 4
  
  print(y)         # [4 2 3 4]
  print(array1)    # [4 2 3 4]
  

Shape

• 得到矩陣的 dimesions

  使用 .shape 函式，可以得到現在這個 array 的 dimesions，像底下就代表這個 array 有 2 個 dimesions，並且每個 dimesions 有 4 個 element。

  import numpy as np
  
  array1 = np.array([[1, 2, 3, 4], [5, 6, 7, 8]])
  
  print(array1.shape)
  
  # 輸出
  # (2, 4)
  

  也可以透過這個函式調整 array 的維度，把它改為 4 x 2 的 array，他會直接改變原本的 array

  import numpy as np
  
  array1 = np.array([[1, 2, 3, 4], [5, 6, 7, 8]])
  array1.shape = (4, 2)
  
  print(array1)
  
  # 輸出
  # [[1 2]
  #  [3 4]
  #  [5 6]
  #  [7 8]]
  

reshape

調整 array 的維度，但不會改變原本的 array，而是創建一個副本。

import numpy as np

array1 = np.array([[1, 2, 3, 4], [5, 6, 7, 8]])
y = array1.reshape(4, 2)

print(array1)
# 輸出
# [[1 2 3 4]
#  [5 6 7 8]]
print(y)
# 輸出
# [[1 2]
#  [3 4]
#  [5 6]
#  [7 8]]

NumPy 中的常數

print(np.inf)
print(np.NINF)
print(np.PZERO)
print(np.NZERO)
print(np.nan)
print(np.e)
print(np.pi)
print(np.euler_gamma)
print(np.newaxis)

# 輸出
# inf
# -inf
# 0.0
# -0.0
# nan
# 2.718281828459045
# 3.141592653589793
# None

合併陣列

• np.concatenate()：如果需要把兩個 array 合併的時候，就可以使用這個函式。

  a = np.array([1, 2, 3, 4])
  b = np.array([5, 6, 7, 8])
  
  print(np.concatenate([a, b]))
  
  # 輸出
  # [1 2 3 4 5 6 7 8]
  

結語

NumPy 真的太多函式可以使用，今天就先暫時介紹到這邊了！明天再繼續。

待續...