利用Python的NumPy模塊創建高效的數值數組

NumPy是Python科學計算中最為常用的庫之一，主要用於處理大規模數據。其核心是ndarray（N-dimensional array，N維數組）對象，用於存儲同質的數值型數據。這篇文章將講述如何使用NumPy創建高效的數值數組，以及其常用的計算方法。

一、NumPy數組的創建

NumPy數組可以通過多種方式創建。最常用的方法是使用numpy.array函數，以下是一個示例：

import numpy as np

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

輸出結果為：

[1 2 3 4]

也可以通過如下方式創建多維數組：

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

輸出結果為：

[[1 2 3]
 [4 5 6]]

還可以使用其他函數來創建特定的數組，例如：

• numpy.zeros(shape, dtype=float)：創建形狀為shape的全0數組
• numpy.ones(shape, dtype=float)：創建形狀為shape的全1數組
• numpy.arange(start, stop, step, dtype=None)：返回一維數組，從start到stop（不包括stop），步長為step
• numpy.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None)：返回一維數組，從start到stop（包括stop），共num個元素
• numpy.random.rand(d0,d1,…,dn)：創建形狀為(d0,d1,…,dn)的隨機浮點數數組

以下是通過以上函數創建數組的示例：

c = np.zeros((2, 3))
print(c)

d = np.arange(0, 10, 2)
print(d)

e = np.linspace(0, 1, 5)
print(e)

f = np.random.rand(2, 3)
print(f)

二、NumPy數組的屬性和方法

NumPy ndarry類有很多屬性和方法，以下是一些比較常用的：

• ndarray.ndim：表示數組的維度
• ndarray.shape：表示數組的形狀（各維度大小）
• ndarray.size：表示數組的大小（元素總個數）
• ndarray.dtype：表示數組中元素的數據類型
• ndarray.itemsize：表示數組中每個元素的字節數
• ndarray.flatten()：返回一個將多維數組變為一維數組的視圖
• ndarray.transpose()：返回數組的轉置
• ndarray.clip(min,max)：將數組中小於min的元素替換為min，大於max的元素替換為max

以下是對一些屬性和方法的示例：

g = np.array([1, 2, 3, 4, 5])
print(g.ndim)
print(g.dtype)
print(g.size)

h = np.array([[1, 2, 3], [4, 5, 6]])
print(h.shape)
print(h.transpose())

i = h.flatten()
print(i)

j = np.array([1, 2, 3, 4, 5])
j = j.clip(2, 4)
print(j)

三、NumPy數組的運算

NumPy數組的快速運算是其最強大的特點之一。NumPy支持各種運算符，包括基本運算符（加、減、乘、除）和比較運算符。可以在兩個數組之間進行運算，也可以在數組和標量之間進行運算。

以下是一些常用的數學函數，例如：

• numpy.sum(a, axis=None)：返回數組中所有元素的總和
• numpy.mean(a, axis=None)：返回數組中所有元素的平均值
• numpy.std(a, axis=None)：返回數組中所有元素的標準差
• numpy.sqrt(a)：返回數組中所有元素的平方根

以下是對一些數學函數的示例：

k = np.array([1, 2, 3, 4, 5])
l = np.array([2, 3, 4, 5, 6])
print(k + l)
print(k - l)
print(k * l)
print(k / l)
print(k < 3)

m = np.array([[1, 2, 3], [4, 5, 6]])
print(np.sum(m))
print(np.mean(m))
print(np.std(m))
print(np.sqrt(m))

四、NumPy數組的切片和索引

NumPy數組支持通過索引和切片對數組進行訪問。下面是一些常用的示例：

n = np.array([1, 2, 3, 4, 5])
print(n[0])
print(n[1:4])

o = np.array([[1, 2, 3], [4, 5, 6]])
print(o[0, 1])
print(o[:, 0])

以上就是關於NumPy數組的創建、屬性和方法、運算、切片和索引的介紹。