Numpy簡介
NumPy（Numerical Python） 是 Python 語言的一個擴充程式庫，支援大量的次元數組與矩陣運算，此外也針對數組運算提供大量的數學函數庫。
NumPy 是一個運作速度非常快的數學庫，主要用于數組計算，包含：
- 一個強大的N維數組對象 ndarray
- 廣播功能函數
- 整合 C/C++/Fortran 代碼的工具
- 線性代數、傅裡葉變換、随機數生成等功能
NumPy Ndarray 對象
- NumPy 最重要的一個特點是其 N 維數組對象 ndarray，它是一系列同類型資料的集合，以 0 下标為開始進行集合中元素的索引
- ndarray 對象是用于存放同類型元素的多元數組
- ndarray 中的每個元素在記憶體中都有相同存儲大小的區域
numpy對象建立：
numpy.array(object, dtype = None, copy = True, order = None, subok = False, ndmin = 0) | 名稱 | 描述 |
| object | 數組或嵌套的數列 |
| dtype | 數組元素的資料類型，可選 |
| copy | 對象是否需要複制，可選 |
| order | 建立數組的樣式，C為行方向，F為列方向，A為任意方向（預設） |
| subok | 預設傳回一個與基類類型一緻的數組 |
| ndmin | 指定生成數組的最小次元 |
資料類型轉換
拷貝
最小次元
subok
NumPy 資料類型
| 名稱 | 描述 |
| bool_ | 布爾型資料類型（True 或者 False） |
| int_ | 預設的整數類型（類似于 C 語言中的 long，int32 或 int64） |
| intc | 與 C 的 int 類型一樣，一般是 int32 或 int 64 |
| intp | 用于索引的整數類型（類似于 C 的 ssize_t，一般情況下仍然是 int32 或 int64） |
| int8 | 位元組（-128 to 127） |
| int16 | 整數（-32768 to 32767） |
| int32 | 整數（-2147483648 to 2147483647） |
| int64 | 整數（-9223372036854775808 to 9223372036854775807） |
| uint8 | 無符号整數（0 to 255） |
| uint16 | 無符号整數（0 to 65535） |
| uint32 | 無符号整數（0 to 4294967295） |
| uint64 | 無符号整數（0 to 18446744073709551615） |
| float_ | float64 類型的簡寫 |
| float16 | 半精度浮點數，包括：1 個符号位，5 個指數位，10 個尾數位 |
| float32 | 單精度浮點數，包括：1 個符号位，8 個指數位，23 個尾數位 |
| float64 | 雙精度浮點數，包括：1 個符号位，11 個指數位，52 個尾數位 |
| complex_ | complex128 類型的簡寫，即 128 位複數 |
| complex64 | 複數，表示雙 32 位浮點數（實數部分和虛數部分） |
| complex128 | 複數，表示雙 64 位浮點數（實數部分和虛數部分） |
資料類型對象 (dtype)
資料類型對象（numpy.dtype 類的執行個體）用來描述與數組對應的記憶體區域是如何使用，它描述了資料的以下幾個方面：
- 資料的類型（整數，浮點數或者 Python 對象）
- 資料的大小（例如， 整數使用多少個位元組存儲）
- 資料的位元組順序（小端法或大端法）
- 在結構化類型的情況下，字段的名稱、每個字段的資料類型和每個字段所取的記憶體塊的部分
- 如果資料類型是子數組，那麼它的形狀和資料類型是什麼。
位元組順序是通過對資料類型預先設定 < 或 > 來決定的。 < 意味着小端法(最小值存儲在最小的位址，即低位組放在最前面)。> 意味着大端法(最重要的位元組存儲在最小的位址，即高位組放在最前面)。
dtype 對象是使用以下文法構造的：
numpy.dtype(object, align, copy)
object - 要轉換為的資料類型對象
align - 如果為 true，填充字段使其類似 C 的結構體。
copy - 複制 dtype 對象 ，如果為 false，則是對内置資料類型對象的引用 每個内建類型都有一個唯一定義它的字元代碼
| 字元 | 對應類型 |
| b | 布爾型 |
| i | (有符号) 整型 |
| u | 無符号整型 integer |
| f | 浮點型 |
| c | 複數浮點型 |
| m | timedelta（時間間隔） |
| M | datetime（日期時間） |
| O | (Python) 對象 |
| S, a | (byte-)字元串 |
| U | Unicode |
| V | 原始資料 (void) |
dt = np.dtype(np.int32)
print(dt)
輸出：
int32
dt = np.dtype('i4')
print(dt)
輸出：
int32
dt = np.dtype([('age', np.int8)])
print(dt)
輸出：
[('age', 'i1')] 結構化資料類型
student = np.dtype([('name','S20'), ('age','i1'), ('score', 'f4')])
a = np.array([('xm', 10, 98.123456789), ('xh', 8, 99.111111111), ('xl', '9', 100)], dtype=student)
print(a)
輸出：
[(b'xm', 10, 98.12346 ) (b'xh', 8, 99.111115) (b'xl', 9, 100. )] 視訊講解
視訊加載中...