前言

在昨天的教學中，我們已經深入了解了Python的基本語法。今天來分享一個極為重要且廣泛使用的函式庫，那就是NumPy。NumPy是Python中用於數值運算的核心程式庫之一，它提供了高效的數據結構和數學函數，專為處理數值數據而設計。使用NumPy能夠更輕鬆地進行數據處理、科學計算和數學建模等任務。讓我們一起開始學習NumPy的基礎知識，並探索它的強大功能吧！

正文

NumPy是Python語言的一個擴充程式庫。支援高階大規模的多維陣列與矩陣運算，此外也針對陣列運算提供大量的數學函數函式庫，是Python中最受歡迎的數值計算程式庫之一，它擁有以下主要特點：

1. 多維陣列：NumPy引入了多維陣列（N-dimensional arrays），這是它最重要的資料結構之一。這使得NumPy特別適用於處理各種數據，從一維序列到多維數據集。
2. 數學函數：NumPy提供了大量的數學函數，包括基本運算（加、減、乘、除等）、統計運算（平均值、標準差、相關性等）以及線性代數運算（矩陣乘法、特徵值分解等）。這使得在數據分析、機器學習和科學計算中能夠方便地執行各種計算。
3. 整合性：NumPy與其他Python程式庫無縫整合，特別是與科學計算和數據分析相關的資料庫，如SciPy、Pandas和Matplotlib等。

建立陣列

首先我們先介紹如何建立陣列，numpy陣列有很多種建立的方式，其中最常見的就是使用np.array()

以下舉個例子:

import numpy as np

number = [1, 2, 3, 4, 5]
a = np.array(number)
print(a)

這就是最簡單的陣列啦，除此之外也支持許多特別的陣列，像是全零陣列、全一陣列、單位矩陣等都可以實現歐

import numpy as np

# 全零陣列
a= np.zeros(5)

# 全一陣列
b= np.ones(3)

# 3x3的單位矩陣
c= np.eye(3)

print("zero_array is")
print(a)
print("ones_array is")
print(b)
print("identity_matrix is")
print(c)

顯示的結果就會長這樣

那如果想建立一個範圍內的數字序列，則可以使用np.arrange()

import numpy as np

a= np.arange(10)
print(a)

這樣就可以創建一個從0到9的陣列啦

除此之外也有生成隨機數的np.random.rand()等其他功能，是不是非常方便呢??

基本陣列操作

存取元素

numpy可以使用索引存取陣列中的元素，記得是從0開始：

import numpy as np

a= np.array([1, 2, 3, 4, 5])

element = a[2]
print(element)

也可以使用切片從陣列中選取多個元素：

import numpy as np

a= np.array([1, 2, 3, 4, 5])
b= a[1:4]
print(b)

這樣他就會選取陣列中的2、3、4了

形狀和維度

如果想要獲取陣列的形狀（也就是維度）時，則可以使用shape：

import numpy as np

a= np.array([[1, 2, 3], [4, 5, 6]])

shape = a.shape
print(shape)

這樣他就會顯示出(2、3)表示陣列的形狀

而reshape則可以將陣列改變成你要的形狀

import numpy as np

my_array = np.array([1, 2, 3, 4, 5, 6])

# 重塑陣列為2x3的形狀
reshaped_array = my_array.reshape(2, 3)
print(reshaped_array)

他就會將陣列改變成[[1 2 3][4 5 6]]的樣子了

總結

以上就是小弟我今天分享numpy的基本技巧，如果想要更加瞭解numpy的話可以參考底下的連結，明天將會進入我們的重頭戲，那我們明天見!

參考連結：維基百科