這節課我們來學習numpy的一些基本的操作和屬性。
為什麼這樣安排學習課程呢？
我覺得這樣交叉學習，使用到什麼的時候就去檢視，對於numpy也好還是matplotlib的學習也好。
他們的內容有很多，要想全部掌握還是很難的，只有不斷的自己去實踐，遇到什麼不知道的問題就去學習。
而不是想去看numpy和matplotlib的相關詳細教學，把numpy學習透徹再進行機器學習。
以上只是個人看法。
個人覺得學習numpy要有點線性代數的基礎知識。
把numpy的學習理解為一切基於矩陣。【這樣就方便理解和學習numpy的使用了！】

#!/usr/bin/env python
# -*- coding: utf-8 -*-
 

# @Author  : SundayCoder-俊勇
# @File    : numpy1.py
import numpy as np
# numpy基本學習第一課。
# numpy基本屬性。

# 建立一個兩行三列的int型別矩陣。
# dtype全稱為datatype。也就是資料型別。

array=np.array([[1,2,3],[4,5,6]],dtype=np.int)
print array
# 形狀，也就是幾行幾列【學過線性代數就簡單多了】
print array.shape
# 維度【也就是幾行】
print array.ndim
# 共有多少和元素。這裡2行3列，總共有6個元素。
 

print array.size
# 獲得array這個行列式的轉置矩陣。
print array.T
# 索引值的使用
# arange與python中的range一樣，預設從0開始。
# 索引和列表的巢狀也基本一樣。
# reshape是可以改變資料變成幾行幾列的矩陣。

b=np.arange(12).reshape(3,4)
print b
# b[1][3]也可以寫成b[1,3]
print b[1][3]

# 輸出b的行資料。
for row in b:
    print(row)
#這也是輸出行資料，說明這個只能輸出行資料。
for col in b:
    print (col)
# 怎麼輸出列資料。學過線性代數的知道轉置矩陣的作用。
 

# 輸出列資料的做法
for col in b.T:
    print col

結果如下：

[[1 2 3]
 [4 5 6]]
(2, 3)
2
6
[[1 4]
 [2 5]
 [3 6]]
[[ 0  1  2  3]
 [ 4  5  6  7]
 [ 8  9 10 11]]
7
[0 1 2 3]
[4 5 6 7]
[ 8  9 10 11]
[0 1 2 3]
[4 5 6 7]
[ 8  9 10 11]
[0 4 8]
[1 5 9]
[ 2  6 10]
[ 3  7 11]

另外補充一點就是numpy中所有的dtype型別如下：

更新完畢