深入探索NumPy手冊

一、NumPy庫簡介

NumPy（Numerical Python）是一個用於科學計算的Python庫。它提供了一個用於處理大型多維數組和矩陣的高效工具。NumPy庫在數據科學領域是一個重要的庫。

下面是一個簡單的例子，演示了如何使用NumPy庫創建一個一維數組，並對其進行操作：

import numpy as np

arr = np.array([1, 2, 3, 4])
print(arr) # 輸出 [1 2 3 4]

# 數組的形狀
print(arr.shape) # 輸出 (4,)

# 數組的元素個數
print(arr.size) # 輸出 4

# 數組元素的數據類型
print(arr.dtype) # 輸出 int64

二、創建數組

使用NumPy庫可以很方便地創建數組。可以使用numpy.array函數創建數組，也可以從列表或元組中創建數組：

import numpy as np

# 從列表中創建數組
arr1 = np.array([1, 2, 3, 4])
print(arr1) # 輸出 [1 2 3 4]

# 從元組中創建數組
arr2 = np.array((1, 2, 3, 4))
print(arr2) # 輸出 [1 2 3 4]

使用NumPy庫也可以創建特定的數組，例如，可以使用numpy.zeros函數創建全零數組，numpy.ones函數創建全一數組，numpy.random.rand函數創建隨機數組：

import numpy as np

# 創建全零數組
zeros_arr = np.zeros(3)
print(zeros_arr) # 輸出 [0. 0. 0.]

# 創建全一數組
ones_arr = np.ones(3)
print(ones_arr) # 輸出 [1. 1. 1.]

# 創建隨機數組
rand_arr = np.random.rand(3)
print(rand_arr) # 輸出 [0.85007557 0.74959504 0.178823]

# 創建指定形狀的數組
arr = np.empty((2, 3))
print(arr) # 輸出 [[1.24441872e-311, 9.58487353e-322, 0.00000000e+000],
           #     [0.00000000e+000, 6.95348796e-309, 7.49303579e-067]]

三、數組索引和切片

與Python中列表和元組的索引和切片類似，使用NumPy庫也可以對數組進行相應的操作。可以使用整數索引、切片和布爾索引來選擇數組的子集。

import numpy as np

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

# 整數索引
print(arr[0]) # 輸出 1
print(arr[2]) # 輸出 3

# 切片
print(arr[3:6]) # 輸出 [4 5 6]
print(arr[:5]) # 輸出 [1 2 3 4 5]
print(arr[5:]) # 輸出 [ 6  7  8  9 10]

# 布爾索引
arr_bool = arr > 5
print(arr_bool) # 輸出 [False False False False False  True  True  True  True  True]
print(arr[arr_bool]) # 輸出 [ 6  7  8  9 10]

四、數組操作

NumPy庫提供了許多有用的函數來操作數組，例如可以使用numpy.reshape函數改變數組的形狀，numpy.concatenate函數將多個數組合併成一個數組，numpy.copy函數複製數組：

import numpy as np

# 改變數組形狀
arr1 = np.array([1, 2, 3, 4, 5, 6])
reshape_arr = arr1.reshape((2, 3))
print(reshape_arr) # 輸出 [[1 2 3]
                   #     [4 5 6]]

# 合併數組
arr2 = np.array([7, 8, 9])
concatenate_arr = np.concatenate((arr1, arr2))
print(concatenate_arr) # 輸出 [1 2 3 4 5 6 7 8 9]

# 複製數組
copy_arr = arr1.copy()
copy_arr[0] = 0
print(copy_arr) # 輸出 [0 2 3 4 5 6]
print(arr1) # 輸出 [1 2 3 4 5 6]

五、數學函數

NumPy庫提供了許多常用的數學函數，如三角函數、指數函數、對數函數等，以及統計函數，如平均值、方差、標準差等。

import numpy as np

x = np.array([0, np.pi/2, np.pi])

# 三角函數
print(np.sin(x)) # 輸出 [0.         1.         0.        ]
print(np.cos(x)) # 輸出 [ 1.000000e+00  6.123234e-17 -1.000000e+00]

# 指數函數和對數函數
x = np.array([1, 2, 3])
print(np.exp(x)) # 輸出 [ 2.71828183  7.3890561  20.08553692]
print(np.log(x)) # 輸出 [0.       0.693147 1.098612]

# 統計函數
arr = np.array([1, 2, 3, 4, 5])
print(np.mean(arr)) # 輸出 3.0
print(np.var(arr)) # 輸出 2.0
print(np.std(arr)) # 輸出 1.41421356