Python np.array函數：創建和操作Numpy數組

一、簡介

numpy是Python中處理數值計算的重要庫之一，提供了高效的數組（array）數據結構，方便進行向量、矩陣運算等線性代數操作。其中最基本的數據結構np.array就是本文重點介紹的對象，本文將依次從創建、基礎操作、多維數組、專用函數、文件讀寫等角度對np.array進行詳細的闡述。

二、創建數組

np.array可以從Python list或tuple創建數組，例如：

import numpy as np
a = np.array([1, 2, 3])
b = np.array((4, 5, 6))
print(a) #[1, 2, 3]
print(b) #[4, 5, 6]

也可以直接傳遞多維list或tuple創建多維數組：

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

另外，np.zeros、np.ones、np.empty等專門用於創建特定形狀數組的工廠函數也是常用的創建數組方式，例如:

a = np.zeros((3, 4))
print(a)
[[0. 0. 0. 0.]
 [0. 0. 0. 0.]
 [0. 0. 0. 0.]]

上例中，np.zeros((3, 4))將返回一個3×4全是0的數組。一些常用的特定形狀數組的創建方式如下表：

三、基礎操作

一般對數組的操作都是基於數組的索引，即數組元素位置，例如：

a = np.array([10, 20, 30])
print(a[0]) #10
a[0] = 100
print(a) #[100 20 30]

此外，np.array還支持reshape、transpose、矩陣乘法等基礎數學操作。

reshape是重新定義數組的形狀（即由維度轉換為另一維度形狀），例如：

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

transpose是交換數組的維度（即將原數組的行列方向互換），例如：

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

注意：transpose函數也可使用np.transpose(a)調用。

矩陣乘法可使用@或dot函數實現：

a = np.array([[1, 2], [3, 4]])
b = np.array([[5, 6], [7, 8]])
c = a@b
print(c)
[[19 22]
 [43 50]]
d = np.dot(a, b)
print(d)
[[19 22]
 [43 50]]

四、多維數組

在多元數組中，我們需要特別注意數組的索引方式。例如，對於一個三維數組a，要取其中的(0,1,1)位置元素，可以使用a[0][1][1]、a[0,1,1]等方式。

多維數組的創建可以參考上述創建數組的方式。另外，reshape函數也可用於多維數組的形狀變換。

五、專用函數

numpy庫提供了大量方便數組操作的專用函數，例如對於下面的一維數組：

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

可以使用np.mean計算平均值、np.std計算標準差等專用函數：

m = np.mean(a)
print(m) #3.0
s = np.std(a)
print(s) #1.4142...

同時，在多元數組上，這些函數也有著相應的表現，例如：

a = np.array([[1, 2, 3], [4, 5, 6]])
m = np.mean(a)
print(m) #3.5
s = np.std(a, axis=0)
print(s) #[1.5 1.5 1.5]

上例中，np.std函數在axis=0（即列方向）計算標準差，返回數組中每一列的標準差。

六、文件讀寫

numpy庫提供了方便的讀寫全局變數的numpy.ndarray類型（即數組）的函數，其中最基本的函數是np.save和np.load，可以將文件保存為二進位形式文件和重新載入文件。例如，對於以下二維數組：

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

可以使用np.save保存為文件：

np.save('a.npy', a)

然後使用np.load重新載入存儲為文件的數組：

b = np.load('a.npy')
print(b)
[[1, 2, 3],
 [4, 5, 6]]

注意：保存的文件具有二進位格式，因此在載入時不需要定義數組形狀

結語

綜上所述，numpy中的np.array函數是Python中處理高維數值計算的重要庫之一，具有多種方便的數據結構和操作，可以方便地構建和操作數組。希望本文能夠對讀者對np.array的理解和實踐有所幫助。