深入解析import numpy as np

一、ndarray數據類型

numpy最核心的數據類型是ndarray，它是N維數組對象，代表著相同類型的元素的集合。一個ndarray數組幾乎是一個Python列表的擴展，但它的操作更加靈活和高效。對於這個類型，有幾個重要的屬性需要了解：

    import numpy as np
    nd = np.array([1, 2, 3, 4])
    print(nd.ndim)  # 維度數
    print(nd.shape)  # 各個維度的元素數量
    print(nd.size)  # 元素總數
    print(nd.dtype)  # 元素數據類型

其中，ndim、shape、size這三個屬性以及dtype數據類型屬性是我們必須知道的。

二、創建ndarray數組

ndarray數組可以從Python列表、元組、數組等進行創建。

    # 從Python列表創建ndarray數組
    nd1 = np.array([1, 2, 3])
    
    # 從Python元組創建ndarray數組
    nd2 = np.array((1, 2, 3))
    
    # 通過numpy中的方法創建ndarray數組
    nd3 = np.arange(10)  # array([0, 1, 2, ..., 9])
    nd4 = np.zeros((2, 3))  # 2行3列的全0矩陣
    nd5 = np.ones((2, 3))  # 2行3列的全1矩陣
    nd6 = np.eye(3)  # 3行3列的單位矩陣
    nd7 = np.random.random((2, 2))  # 隨機2行2列的數組

三、ndarray數組的索引和切片

ndarray中的元素可以通過它們在數組中的位置進行訪問，該位置是由數組的整數索引標誌。可以使用切片符號『:』來獲取部分數組。下面的代碼展示了如何對ndarray數組進行索引和切片。

    # 一維數組的索引和切片
    nd1 = np.array([1, 2, 3])
    print(nd1[0])  # 1
    print(nd1[1:3])  # [2 3]
    
    # 二維數組的索引和切片
    nd2 = np.array([[1, 2, 3], [4, 5, 6]])
    print(nd2[1, 2])  # 6
    print(nd2[1, :])  # [4 5 6]
    print(nd2[:, 2])  # [3 6]

四、數組的運算與變形

numpy中可以對ndarray數組進行各種基本的數學操作、運算、變形等。下面的示例展示了一些基本的示例操作。

    nd1 = np.array([1, 2, 3])
    nd2 = np.array([2, 3, 4])
    
    # 數組加法
    print(nd1 + nd2)  # [3 5 7]
    
    # 數組乘法
    print(nd1 * nd2)  # [2 6 12]
    
    # 數組變形
    nd3 = np.array([[1, 2], [3, 4]])
    print(nd3.reshape(1, 4))  # [[1 2 3 4]]
    
    # 數組求和
    print(nd3.sum(axis=0))  # [4 6]
    print(nd3.sum(axis=1))  # [3 7]

五、線性代數

numpy提供了許多操作矩陣和向量操作的函數，可以方便的進行線性代數計算，例如計算行列式、矩陣乘法、逆矩陣等操作。

    a = np.array([[1, 2], [3, 4]])
    b = np.array([[4, 5], [6, 7]])
    c = np.dot(a, b)  # 矩陣乘法
    print(c)  # [[16, 19], [36, 43]]
    
    d = np.linalg.det(a)  # 行列式
    print(d)  # -2.0
    
    e = np.linalg.inv(a)  # 逆矩陣
    print(e)  # [[-2. ,  1. ], [ 1.5, -0.5]]

總結

本文簡單介紹了numpy庫中最重要的概念：ndarray。我們學習了ndarray的基本屬性、創建方式、索引和切片、數組運算與變形以及線性代數等方面的操作。掌握了這些知識，我們可以更加高效、方便地處理數組、矩陣等數據類型。numpy的強大之處在於其底層的優化操作，使得我們可以在處理大規模數組時，得到快速、高效的操作及計算結果。