Numpy是一個用於處理複雜的計算及製作陣列的python涵式庫。例如計算圓周、數學中的sin cos tan等方法都在numpy的涵式庫裏，而最重要的內容，也是今天會分享的就是numpy陣列(array)，便開始分享吧:

事前準備:

如果你有看我前天分享matplotlib的教學，你便應該已安裝numpy涵式庫，如果沒有那麼就照住下面的字串輸入到終端機裏。

pip install numpy

例子:

import numpy as np

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

print(arr)
print(type(arr))

執行結果:

[1 2 3 4 5]
<class 'numpy.ndarray'>

例子2:

import numpy as np

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

print(arr[0])
print(arr[3])

執行結果:

1
4

或是用下面的例子:

import numpy as np

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

print(arr[2:])

print(arr[1:5])

print(arr[:4])

執行結果:

[3 4 5]
[2 3 4 5]
[1 2 3 4]

numpy zeros

NumPy 的zeros函數是用來建立指定形狀的全零的工具。它接受一個表示形狀的元組作為參數，並傳回一個由零填充的陣列。這些數組中的所有元素都將初始化為零。

假設我們要建立一個形狀為(5)的一維數組，其中所有元素都為零，我們可以使用以下程式碼：

import numpy as np

arr=np.zeros(5)

print(arr)
print(arr[0])

執行結果:

[0. 0. 0. 0. 0.]
0.0

假設我們要建立一個形狀為(3,7)的一維數組，其中所有元素都為零，我們可以使用以下程式碼：

import numpy as np

arr = np.zeros((3, 7))

print(arr)
print("______")
print(arr[0])
print("_______")
print(arr[0][0])

執行結果:

[[0. 0. 0. 0. 0. 0. 0.]
 [0. 0. 0. 0. 0. 0. 0.]
 [0. 0. 0. 0. 0. 0. 0.]]
______
[0. 0. 0. 0. 0. 0. 0.]
_______
0.0

可以嘗試使用np.zero把改成np.ones

numpy.linspace使用詳解

import numpy as np

arr=np.linspace(start=0, stop=20,num=10)
print(arr)

執行結果:

[ 0.          2.22222222  4.44444444  6.66666667  8.88888889 11.11111111
 13.33333333 15.55555556 17.77777778 20.        ]

在這個例子中，我們產生了一個從1 到20（包含1 和20）的序列，總共包含10個等間距的元素。

np.shape例子:

import numpy as np

arr=np.zeros((20,3))
# print(arr)
print(np.shape(arr))

執行結果:

(20, 3) #20行3列

簡介

在NumPy 函式庫，形狀（shape）指的是NumPy 陣列的維度或大小。它是一個由整數構成的元組，用來描述數組每個維度的大小。

舉個例子，如果有一個二維數組，包含4行5列，那麼它的形狀就是(4, 5)。如果有一個一維數組，包含10 個元素，那麼它的形狀就是(1,10)。

np.reshape例子

簡介:
np.reshape新的行和列相乘必須等於原先行和列的相乘的果，不然會出error。可參考下面的例子:

import numpy as np

arr = np.array([1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12])
print(arr)

newarr = arr.reshape(4, 3)
print(newarr)

# newarr2=newarr.reshape(12,1)
# print(newarr2)

執行結果:

[ 1  2  3  4  5  6  7  8  9 10 11 12]
[[ 1  2  3]
 [ 4  5  6]
 [ 7  8  9]
 [10 11 12]]

今天先介紹,這些如果我的文章對你有幫助或有更好的建議，可以追蹤我,可以按讚和不妨在留言區提出，明天再見吧。

reference:
https://www.w3schools.com/python/numpy/numpy_array_reshape.asp