一、Numpy概述

         Numpy 是一個 Python 包(Numeric Python)。它是一個由多維陣列物件和用於處理陣列的集合組成的庫。 Numpy 擁有線性代數和隨機數生成的內建函式。Numpy 通常與 SciPy（Scientific Python）和 Matplotlib（繪相簿）一起使用。這種組合廣泛用於替代 MatLab，是一個流行的技術計算平臺。 但是，Python 作為 MatLab 的替代方案，現在被視為一種更加現代和完整的程式語言。NumPy 是開源的，這是它的一個額外的優勢。使用Numpy，開發人員可以執行以下操作：

• 陣列的算數和邏輯運算。

• 傅立葉變換和用於圖形操作的例程。

• 與線性代數有關的操作。

二、Numpy - ndarray 物件

Numpy 中定義的最重要的物件是稱為 ndarray 的 N 維陣列型別。 它描述相同型別的元素集合。 可以使用基於零的索引訪問集合中的專案。ndarray中的每個元素在記憶體中使用相同大小的塊。 ndarray中的每個元素是資料型別物件的物件（稱為 dtype）。

從ndarray物件提取的任何元素（通過切片）由一個數組標量型別的 Python 物件表示。 下圖顯示了ndarray

ndarray類的例項可以通過本教程後面描述的不同的陣列建立例程來構造。 基本的ndarray是使用 NumPy 中的陣列函式建立的，如下所示：

numpy.array 

numpy.array(object, dtype = None, copy = True, order = None, subok = False, ndmin = 0)

上面的構造器接受以下引數：

DEMO 1

import numpy as np
a = np.array([1,2,3])
print a
# 輸出如下：[1, 2, 3]

DEMO 2

# 多於一個維度
import numpy as np
a = np.array([[1, 2], [3, 4]])
print a
# 輸出如下：[[1, 2] 
         # [3, 4]]

DEMO 3

# 最小維度
import numpy as np
a = np.array([1, 2, 3,4,5], ndmin = 2)
print a
# 輸出如下：[[1, 2, 3, 4, 5]]

DEMO 4

# dtype 引數
import numpy as np
a = np.array([1, 2, 3], dtype = complex)
print a
# 輸出如下：[ 1.+0.j, 2.+0.j, 3.+0.j]

**ndarray ** 物件由計算機記憶體中的一維連續區域組成，帶有將每個元素對映到記憶體塊中某個位置的索引方案。 記憶體塊以按行（C 風格）或按列（FORTRAN 或 MatLab 風格）的方式儲存元素。

三、Numpy 的資料型別

Numpy 支援比 Python 更多種類的數值型別。

Numpy 數字型別是dtype（資料型別）物件的例項，每個物件具有唯一的特徵。 這些型別可以是np.bool_，np.float32等。

四、資料型別物件 (dtype)

資料型別物件描述了對應於陣列的固定記憶體塊的解釋，取決於以下方面：

• 資料型別（整數、浮點或者 Python 物件）

• 資料大小

• 位元組序（小端或大端）

• 在結構化型別的情況下，欄位的名稱，每個欄位的資料型別，和每個欄位佔用的記憶體塊部分。

• 如果資料型別是子序列，它的形狀和資料型別。

位元組順序取決於資料型別的字首<或>。 <意味著編碼是小端（最小有效位元組儲存在最小地址中）。 >意味著編碼是大端（最大有效位元組儲存在最小地址中）。

dtype可由以下語法構造：

numpy.dtype(object, align, copy)
# 引數為：
Object：被轉換為資料型別的物件。
Align：如果為true，則向欄位新增間隔，使其類似 C 的結構體。
Copy ? 生成dtype物件的新副本，如果為false，結果是內建資料型別物件的引用。

DEMO 1

# 使用陣列標量型別
import numpy as np
dt = np.dtype(np.int32)
print dt
# 輸出如下：int32

DEMO 2

#int8，int16，int32，int64 可替換為等價的字串 'i1'，'i2'，'i4'，以及其他。
import numpy as np
dt = np.dtype('i4')
print dt
# 輸出如下：int32

DEMO 3

# 使用端記號
import numpy as np
dt = np.dtype('>i4')
print dt
# 輸出如下：>i4

下面的例子展示了結構化資料型別的使用。 這裡聲明瞭欄位名稱和相應的標量資料型別。

DEMO 4

# 首先建立結構化資料型別。
import numpy as np
dt = np.dtype([('age',np.int8)])
print dt
# 輸出如下：[('age', 'i1')]

DEMO 5

# 現在將其應用於 ndarray 物件
import numpy as np
dt = np.dtype([('age',np.int8)])
a = np.array([(10,),(20,),(30,)], dtype = dt)
print a
# 輸出如下：[(10,) (20,) (30,)]

DEMO6

# 檔名稱可用於訪問 age 列的內容
import numpy as np
dt = np.dtype([('age',np.int8)])
a = np.array([(10,),(20,),(30,)], dtype = dt)
print a['age']
# 輸出如下：[10 20 30]

DEMO 7

#以下示例定義名為 student 的結構化資料型別，其中包含字串欄位name，整數字段age和浮點欄位marks。 #此dtype應用於ndarray物件。
import numpy as np
student = np.dtype([('name','S20'), ('age', 'i1'), ('marks', 'f4')])
print student
# 輸出如下：[('name', 'S20'), ('age', 'i1'), ('marks', '<f4')])

DEMO 8

import numpy as np
student = np.dtype([('name','S20'), ('age', 'i1'), ('marks', 'f4')])
a = np.array([('abc', 21, 50),('xyz', 18, 75)], dtype = student)
print a
# 輸出如下：[('abc', 21, 50.0), ('xyz', 18, 75.0)]

每個內建型別都有一個唯一定義它的字元程式碼：

• 'b'：布林值

• 'i'：符號整數

• 'u'：無符號整數

• 'f'：浮點

• 'c'：複數浮點

• 'm'：時間間隔

• 'M'：日期時間

• 'O'：Python 物件

• 'S', 'a'：位元組串

• 'U'：Unicode

• 'V'：原始資料（void）

五、Numpy的陣列屬性

1.ndarray.shape這一陣列屬性返回一個包含陣列維度的元組，它也可以用於調整陣列大小。

DEMO1

import numpy as np
a = np.array([[1,2,3],[4,5,6]])
print a.shape
# 輸出如下：(2, 3)

DEMO 2

# 這會調整陣列大小
import numpy as np
a = np.array([[1,2,3],[4,5,6]]) a.shape = (3,2)
print a
# 輸出如下:
[[1, 2]

 [3, 4]

 [5, 6]]

DEMO 3

NumPy 也提供了reshape函式來調整陣列大小。

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

[3, 4]

[5, 6]]

2.ndarray.ndim這一陣列屬性返回陣列的維數。

DEMO 1

# 等間隔數字的陣列
import numpy as np
a = np.arange(24) print a
# 輸出如下:[0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23]

DEMO 2

# 一維陣列
import numpy as np
a = np.arange(24) a.ndim
# 現在調整其大小
b = a.reshape(2,4,3)
print b
# b 現在擁有三個維度
# 輸出如下：
[[[ 0, 1, 2][ 3, 4, 5]
[ 6, 7, 8][ 9, 10, 11]]
[[12, 13, 14][15, 16, 17]
[18, 19, 20][21, 22, 23]]]

3.numpy.itemsize這一陣列屬性返回陣列中每個元素的位元組單位長度。

DEMO 1​​​​​​

# 陣列的 dtype 為 int8（一個位元組）
import numpy as np
x = np.array([1,2,3,4,5], dtype = np.int8)
print x.itemsize
# 輸出如下：1

DEMO 2

# 陣列的 dtype 現在為 float32（四個位元組）
import numpy as np
x = np.array([1,2,3,4,5], dtype = np.float32)
print x.itemsize
# 輸出如下：4

4.numpy.flagsndarray物件擁有以下屬性。這個函式返回了它們的當前值。

DEMO

下面的例子展示當前的標誌。

import numpy as np
x = np.array([1,2,3,4,5])
print x.flags
輸出如下：
C_CONTIGUOUS : True
F_CONTIGUOUS : True
OWNDATA : True
WRITEABLE : True
ALIGNED : True
UPDATEIFCOPY : False

六、Numpy 的陣列建立例程

新的ndarray物件可以通過任何下列陣列建立例程或使用低階ndarray建構函式構造。

1.numpy.empty它建立指定形狀和dtype的未初始化陣列。 它使用以下建構函式：

numpy.empty(shape, dtype = float, order = 'C')

構造器接受下列引數：

DEMO

下面的程式碼展示空陣列的例子：
import numpy as np
x = np.empty([3,2], dtype = int)
print x
輸出如下：
[[22649312 1701344351]
[1818321759 1885959276]
[16779776 156368896]]
注意：陣列元素為隨機值，因為它們未初始化。

2.numpy.zeros返回特定大小，以 0 填充的新陣列。

numpy.zeros(shape, dtype = float, order = 'C')

構造器接受下列引數：

DEMO1

# 含有 5 個 0 的陣列，預設型別為 float
import numpy as np
x = np.zeros(5)
print x
輸出如下：[ 0. 0. 0. 0. 0.]

DEMO 2

import numpy as np
x = np.zeros((5,), dtype = np.int)
print x
# 輸出如下：[0 0 0 0 0]

DEMO3

# 自定義型別
import numpy as np
x = np.zeros((2,2), dtype = [('x', 'i4'), ('y', 'i4')])
print x
輸出如下：
[[(0,0)(0,0)]
[(0,0)(0,0)]]

3.numpy.ones返回特定大小，以 1 填充的新陣列。

numpy.ones(shape, dtype = None, order = 'C')

構造器接受下列引數：

DEMO 1

# 含有 5 個 1 的陣列，預設型別為 float
import numpy as np
x = np.ones(5) print x
輸出如下：[ 1. 1. 1. 1. 1.]

DEMO 2​​​​​​​

import numpy as np
x = np.ones([2,2], dtype = int)
print x
輸出如下：
[[1 1]
[1 1]]