用Python NumPy處理實數數據

一、NumPy簡介

NumPy是Python科學計算常用的基礎庫，提供了高性能的多維數組對象，以及用於數組計算的各種工具函數。NumPy數組可以存儲相同類型的大量數據，支持快速的向量化操作。

通過NumPy，可以方便地進行科學計算、數據分析、圖像處理等操作。在處理實數數據時，NumPy具有重要的作用。

二、生成數組

生成一維數組使用numpy.array()，可以直接傳入列表或元組。例如：

import numpy as np
a = np.array([1,2,3,4,5])
b = np.array((6,7,8,9,10))
print(a)
print(b)

生成二維數組使用numpy.array()，可以傳入嵌套列表或元組。例如：

c = np.array([[1,2,3],[4,5,6],[7,8,9]])
d = np.array(((10,11,12),(13,14,15),(16,17,18)))
print(c)
print(d)

三、數組屬性

使用ndim、shape、size、dtype等屬性可以獲取數組的維度、形狀、元素個數、數據類型等信息。例如：

a = np.array([1,2,3,4,5])
print("ndim:",a.ndim)
print("shape:",a.shape)
print("size:",a.size)
print("dtype:",a.dtype)

輸出結果為：

ndim: 1
shape: (5,)
size: 5
dtype: int64

對於二維數組，其信息的獲取方法與一維數組類似。

四、數組運算

NumPy支持數組之間的各種運算，包括加、減、乘、除、點積等。對於一維數組，可以直接進行加減乘除等簡單的數學運算，例如：

a = np.array([1,2,3,4,5])
b = np.array([5,4,3,2,1])
print(a+b)
print(a-b)
print(a*b)
print(a/b)

對於二維數組，它們的形狀需要滿足一定的條件才能進行加減乘除等運算。例如：

c = np.array([[1,2,3],[4,5,6]])
d = np.array([[7,8,9],[10,11,12]])
print(c+d)
print(c-d)
print(c*d)
print(c/d)
print(c.dot(d.T))

其中，點積運算可以使用dot()函數來實現。

五、常用函數

NumPy提供了各種常用函數，包括均值、方差、標準差、最大值、最小值等統計函數，以及sin、cos等三角函數。

a = np.array([1,2,3,4,5])
print(np.mean(a))
print(np.var(a))
print(np.std(a))
print(np.max(a))
print(np.min(a))
print(np.sin(a))

六、索引和切片

對於一維數組，可以使用索引和切片的方式獲取數組元素。例如：

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

輸出結果為：

1 3 5
[2 3 4]

對於二維數組，需要使用冒號分隔的兩個索引值來獲取元素。例如：

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

輸出結果為：

1 6
[2 5]

七、廣播

NumPy廣播指的是不同形狀的數組之間的運算。在計算時，NumPy會自動將不同形狀的數組廣播成相同形狀，然後進行對應位置的運算。例如：

a = np.array([1,2,3])
b = np.array([[4,5,6],[7,8,9]])
print(a+b)

輸出結果為：

[[ 5  7  9]
 [ 8 10 12]]

八、Conclusion

通過本文，我們學習了如何使用Python NumPy庫處理實數數據。NumPy提供了強大的功能，支持多維數組的操作、一些重要的數學函數、廣播等功能。對於科學計算、數據分析等領域，NumPy是非常重要的基礎庫。

更多有關NumPy的用法，請查看NumPy官方文檔。