Python工程師必知必會——Numpyany基礎知識

Python是一種功能豐富而又簡單易用的編程語言，已經成為數據科學和機器學習領域的主要語言。在數據科學領域中，NumPy是Python中最重要的工具之一。NumPy是一個Python包，提供了高性能數值運算功能和支持大型多維數組和矩陣的數據結構。它支持很多數學操作，例如線性代數、傅里葉變換、隨機數生成等等。

一、安裝NumPy

在使用NumPy之前，需要先安裝它。通常來說，你可以使用pip包管理器來安裝NumPy。如果你已安裝Python，運行以下命令即可：

pip install numpy

如果你沒有安裝pip，你可以按照以下步驟安裝：

1. 下載get-pip.py: https://bootstrap.pypa.io/get-pip.py
2. 運行以下命令：python get-pip.py
3. pip安裝完成後就可以安裝NumPy了

二、創建NumPy數組

使用NumPy的最基本的操作是創建數組。NumPy數組是一個n維數組對象，由同種數據類型的元素構成。我們可以使用NumPy的數組對象來存儲和操作大量的數據。

1. 創建一維數組

創建NumPy一維數組最簡單的方式是使用Python列表(list)。以下是創建一維數組的示例代碼：

import numpy as np

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

輸出結果應該是這樣的:

[1 2 3]

2. 創建二維數組

創建NumPy二維數組也很簡單，只需要將列表中的元素也變成列表即可。以下是創建二維數組的示例代碼：

import numpy as np

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

輸出結果應該是這樣的:

[[1 2]
 [3 4]]

三、NumPy數組的基本操作

1. 修改數組形狀

NumPy數組的形狀(shape)指的是數組每個維度的大小。我們可以使用NumPy的reshape()方法來改變數組的形狀。以下是一個將一維數組轉換為二維數組的示例代碼：

import numpy as np

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

輸出結果應該是這樣的:

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

2. 數組的索引和切片

NumPy數組可以像Python列表一樣進行索引和切片操作，唯一的區別是NumPy數組可以進行多維索引和切片操作。以下是一個對二維數組進行索引和切片的示例代碼：

import numpy as np

a = np.array([[0, 1, 2], [3, 4, 5], [6, 7, 8]])
print(a[0])     # 索引第1行
print(a[0, 1])  # 索引第1行第2列
print(a[:, 1])  # 切片取第2列

輸出結果應該是這樣的:

[0 1 2]
1
[1 4 7]

3. 數組的計算操作

NumPy數組支持各種各樣的計算操作，包括基本的算術計算和數學函數運算。以下是一些常見的操作示例代碼：

import numpy as np

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

print(a + b)      # 加法
print(a - b)      # 減法
print(a * b)      # 乘法
print(a / b)      # 除法
print(np.sin(b))  # 正弦函數
print(np.exp(a))  # 指數函數

輸出結果應該是這樣的:

[ 6  8 10 12]
[-4 -4 -4 -4]
[ 5 12 21 32]
[0.2        0.33333333 0.42857143 0.5       ]
[-0.95892427 -0.2794155   0.6569866   0.98935825]
[ 2.71828183  7.3890561  20.08553692 54.59815003]

4. 數組的聚合操作

NumPy數組還可以進行聚合操作，如求和、平均值和最大值。以下是一些常見的聚合操作示例代碼：

import numpy as np

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

print(a.sum())      # 元素求和
print(a.sum(axis=0))# 列求和
print(a.sum(axis=1))# 行求和
print(a.mean())     # 元素求平均值
print(a.max())      # 元素求最大值
print(a.min())      # 元素求最小值

輸出結果應該是這樣的:

21
[5 7 9]
[ 6 15]
3.5
6
1

總結

在本文中，我們詳細介紹了NumPy這個重要的Python庫，包括它的基礎知識、如何安裝和創建NumPy數組、數組的基本操作和運算，甚至包括一些聚合操作。通過本文的介紹，你應該已經掌握了使用NumPy進行數值計算和數據處理的基礎知識。