所謂自由，不是隨心而欲，而是自我主宰

numpy介紹：

前言：

因為Python中array模組只支援一維陣列，不支援多維陣列，也沒有各種運算函式，不適合數值運算，所以numpy的出現彌補了不足

NUMPY庫（簡稱np）是Python資料分析中必不可少的第三方庫，np是Python其他科學計算包的基礎包，是資料分析的基礎，np是Scipy，Pandas等資料處理或科學計算庫最基本的函式功能庫。
因此，充分理解和應用np的資料型別對Python資料分析幫助很大，因為需求，所以最近要好好的學習一下有關資料分析的基本知識，那麼就從numpy開始~

numpy的主要物件

ndarray型別的維度（dimension）叫做軸（axes）,軸的個數叫做秩（rank）。其中，一維陣列的秩為1，二維陣列的秩為2。

陣列的屬性：

np重點功能：

• 強大的多維陣列物件ndarray
• 廣功能函式
• 提供了線性代數、傅立葉變換、隨機數生成的相關功能

基本概念與基本操作：

1、什麼是資料維度？

維度是一組資料的組織形式，不同資料維度可能表示不同的含義。
根據資料關係的不同分為：一維資料、二維資料、高維資料
一維資料由對等關係的有序和無序資料構成，採用線性方式組織，對應於數學中的陣列和集合等概念。可以用陣列表示，
通俗講：

1，2，3，4，5，6

這一行資料可以稱為一維資料，但這樣摺疊一下

1，2，3
4，5，6

那麼這就是二維資料了，也可稱為矩陣

高維資料由鍵值對型別的資料構成，採用物件方式組織，屬於整合度更好的資料組織方式

2、秩的含義

矩陣秩的概念：任何矩陣都可以經過有限次初等行變換，形成行階梯型矩陣，其中非零行的行數是唯一確定的，該行數稱為矩形的秩

求矩陣的秩需先將矩陣化為階梯型矩陣

如下秩=3，即滿秩矩陣

3、資料集
顧名思義是資料的集合，用來訓練程式的資料集合，多指二維、多維數表。只要有資料都可以直接手工建立一個數據集。
其中，用逗號分割數值的資料集叫做CSV（Comma-Separated Values，逗號分隔值）資料集，csv是一種通用的檔案格式，用來儲存批量的資料，就像一張Excel表。
形如：

城市，環比，同比，定基
北京，101.5，120.7，121.4
上海，101.1，111.2，111.3
南京，133.0，133.2，133.4

3.1、生成資料集
可以藉助np內建函式生成資料集：

np.savetxt(frame,array,fmt='%.18e',delimiter=None)

例如：

程式碼實現：

import numpy as np
a=np.arange(20).reshape(4,5)
np.savetxt('test.csv',a,fmt='%d',delimiter=',')

程式碼說明：
第二行：

np.arange(n).reshape(x,y)

陣列n不變，返回維度為（x,y）的陣列

第三行：

• frame：名字，檔案、字串的名字等
• array：存入檔案的np陣列，可以是壓縮檔案（.gz,.bz2）
• fmt(format):寫入檔案的格式，預設的是%.18e（科學計數法保留18位），除此之外還有，%d, %2f
• delemiter:分割字串，預設是空格

其中CSV格式儲存的檔案一般採用.csv為副檔名，Windows記事本或者office Excel工具可以開啟。
Python提供了CSV讀寫的標準庫，可以通過import CSV使用

3.2、讀取資料集

仍然使用np內建函式可以實現：

np.loadtxt(frame,dtype=np.float,delimiter=None,inpack=False)

如下：

• frame：檔案來源
• dtype：資料型別
• unpack：預設false，讀入檔案，寫入一個數組；若True，讀入屬性（列）將分別儲存

3.3、csv檔案的侷限

CSV檔案的侷限：只能對一維資料和二維資料進行有效的操作，高維資料無法將文字更直觀的顯示出來

除了savetxt（）和loadtxt（）可以儲存讀取陣列外
對於ndarray陣列，np中的tofile方法也可以儲存和讀取陣列，但是知識將陣列的元素列出而沒有維度資訊
例如：
儲存：

import numpy as np
a=np.arange(20).reshape(4,5)
a.tofile('a.dat',sep=',',format='%d')

讀取：

np.fromfile(frame,dtype=float,count=-1,sep='')

• count：讀檔案的個數，預設-1，讀取全部
• sep：資料分割字串，如果為空，寫入檔案為二進位制

4、存/取高緯度資料

save/load函式

np.save(frame,array)或者np.savez(frame,array)
np.load(fname)

• frame：檔名，以.npy為副檔名，壓縮為.npz
• array：陣列變數

import numpy as np
a=np.arange(20).reshape(4,5)
np.save('b.npy',a)

5、np例子
正態分佈例項：
公式

程式碼實現：

import numpy as np
import pandas as pd 
import matplotlib.pyplot as plt

data = pd.read_csv('Book1.csv') #載入資料檔案

time = data["t"]                #文件資料’t'賦值給time
mean = time.mean()              #資料的均值
standard = time.std()           #資料的標準差σ sigma
def normal(x,m,s):              #正態分佈的概率密度函式，其中x:x;m:μ;s:σ
    pdf = np.exp(-((x-m)**2)/(2*(s**2)))/(s*(np.sqrt(2*np.pi)))
    return pdf

x = np.arange(80,100,0.1)       #資料,以0.1為步長更平滑
y = normal(x,mean,standard)     #載入公式

plt.plot(x,y)
plt.title('normal distribution')
plt.xlabel('time')
plt.ylabel('probaility')
plt.hist(time,bins=10,rwidth=0.9,normed=True) #畫出直方圖，normed=True或1表示出現的概率

plt.show()

csv資料：

輸出效果圖：