在數據分析、機器學習以及各種科學計算的領域當中，高效處理數據都是重要的議題。而Numpy就是 python 中一個簡單好用且能提供較為高效的計算的一個庫。本文將介紹 Numpy，包括其基本語法、屬性、以及一些基本操作。
介紹 #
Numpy 提供的用於計算的資料結構是 array (數組)。Array 和 list 非常相似，唯一不同的是 numpy 的 array 只能儲存統一類型的元素，不能和 list 一樣擁有不同類型的元素。此外，Numpy 還提供了大量做數學運算的函數，比如求中位數、平均數、方差等等。
創建 Numpy 中的 array #
使用 Numpy 的時候都需要先把它 import 進來，通常我們都會給他的別名是 np.
import numpy as np
創建 array 的最簡單方法就是用 np.array 來把 list 轉換為 array:
arr1 = np.array([1, 2, 3])
arr2 = np.array([[1, 2, 3], [4, 5, 6]]) #這是二維數組
更多創建 array 的方法 #
np.zeros(n): 創建一個長度為n，元素為0的 array，我們也可以直接傳入形狀，例如我們想要一個 2x3 的全零 array，我們就可以寫np.zeros((2, 3))np.ones(n): 創建一個長度為n，元素為1的 arraynp.arange(start, end, step): 創建一個 array，其中有[start, start + step, start + 2step, ...]. 最後一個元素的會小於end，因此用這個方法創建的array不會有end.
Array 的屬性 #
Array有一些屬性，例如：
ndim會告訴我們array的維度shape會告訴我們array的形狀，例如arr2就是一個 2x3 的 array，所以會返回(2, 3)dtype會返回給我們array的類型，例如int64指的是64 bits的整數itemsize會告訴我們一個元素佔用多少 byte.
常用操作 #
Concatenate (拼接) #
concatenate 是numpy中常用的方法可以把多個array拼接在一起，例子：
arr1 = np.array([1, 2, 3])
arr2 = np.array([4, 5, 6])
arr3 = np.array([7, 8, 9])
np.concatenate((arr1, arr2, arr3), axis=0)
這裡的 axis = 0 的意思是，我們可以想象成我們堆疊的方法是新增更多的 row. 由於 arr1,2,3 的形狀都是 (3,) 所以得到的最後 array 是一個形狀為 (9, ) 並且元素為 [1, 2, 3, ..., 9]的array. 值得注意的是，這裡並不能沿著 axis=1 合併，如果要沿著 axis = 1 合併，我們需要用到 reshape.
Reshape #
reshape 是用來改變 array 形狀的方法，例如我們可以通過它把 arr1 變成 1x3 的形狀。
arr1 = arr1.reshape(1, 3)
如果我們要沿著 axis = 1 把他們合併成如下形狀：
[[1 2 3]
[4 5 6]
[7 8 9]]
那我們需要把三個array都變成 3x1 的形狀：
arr1 = arr1.reshape(3, 1)
arr2 = arr2.reshape(3, 1)
arr3 = arr3.reshape(3, 1)
result = np.concatenate((arr1, arr2, arr3), axis=1)
Sort #
Numpy 中有提供兩種排序array的方法，他們只有細微區別：
np.sort(arr): 這個方法會在排序好之後，把排序 array 返回，不會改變原本的 arrayarr.sort(): 這會sort原本的array, 原本的array 會發生變化
Index #
除了一般用正整數的index 來獲得特定位置的元素之外，我們還可以用負數來得到特定位置的元素，例如：arr[-1] 為最後一個元素，arr[-2]為最後第二個元素，以此類推。
此外，我們還可以用 slice 的方法來獲得 subarray, 例如： arr[1:4]可以獲得 index 為 1 到 index 為 3 的元素，結束索引並不會被包含進去。
再來，我們還可以通過條件篩選得到符合條件的元素，例如：arr[(arr > 2) & (arr < 10)] 就能得到大於2小於10的所有元素。