NumPy 是 Python 科學計算核心庫,提供高效多維陣列物件 ndarray 與向量化運算。本文記錄安裝步驟與基礎操作,每行代碼附註解說明。
pip install numpy
pip install ipython # 互動式環境,含 pylab 模式自動匯入 numpy/matplotlib
import numpy as np
a = np.arange(5) # [0 1 2 3 4]
a.dtype # dtype('int64')
a.shape # (5,)
m = np.array([[1,2],[3,4]]) # 2x2 矩陣
m.shape # (2, 2)
m[0,0] # 1(索引從 0 開始)
a[2:4] # array([2, 3])
a[2:5:2] # 步長 2 -> [2, 4]
a[::-1] # 反轉 -> [4,3,2,1,0]
b = np.arange(24).reshape(2,3,4) # 3D 陣列
b[1,2,3] # 23
b[:,0,0] # array([0, 12]) 省略維度用 :
b.ravel() # 展平為 1D(視圖,不複製)
b.flatten() # 複製展平
b.shape = (6,4) # 直接修改 shape(總元素數不變)
b.T # 轉置
a = np.arange(9).reshape(3,3)
b = a * 2
np.hstack((a,b)) # 水平堆疊 -> (3,6)
np.vstack((a,b)) # 垂直堆疊 -> (6,3)
np.dstack((a,b)) # 深度堆疊 -> (3,3,2)
np.hsplit(a, 3) # 水平分割為 3 子陣列
np.vsplit(a, 3) # 垂直分割為 3 子陣列
c = np.array([1.,4.,7.])
np.mean(c) # 4.0
np.max(c) # 7.0
np.min(c) # 1.0
np.ptp(c) # 峰峰值 max-min = 6.0
np.median(c) # 4.0
np.var(c) # 6.0 方差
np.std(c) # 2.449... 標準差
np.diff(c) # 差分 [3., 3.]
np.where(c>3) # 條件索引 (array([1,2]),)
np.savetxt("eye.txt", np.eye(2))
data = np.loadtxt("test.csv", delimiter=",", usecols=(0,1), unpack=True)