初探 Data Analysis - NumPy

前言本篇聚焦 NumPy 核心方法：涵蓋資料處理、型態轉換之底層邏輯，並進一步介紹array , transpose 的語法與範例.Numpy全稱為 Numerical Python, 是 Python 中用於科學計算的基礎套件.它是一個 Python 庫,NumPy 特別擅長處理陣列和矩陣,例如數字列表或表格.它快速且高效, 是進行複雜數學計算(例如科學、工程或資料分析中所需的計算)的基礎函式庫。提供多維數組物件、各種派生物件(例如掩碼數組和矩陣)以及一系列用於快速操作數組的例程,包括數學運算、邏輯運算、形狀操作、排序、選擇、基本線性代數、基本統計運算、隨機模擬等等.語法與範例------- NumPy 基本類型 -------bool_ 布林型資料型態(True 或 False)int_ 預設的整數型別(類似 C 語言中的 long,int32 或 int64)intc 與 C 的 int 型別一樣,一般是 int32 或 int 64intp 用於索引的整數類型(類似於 C 的 ssize_t,一般情況下仍然是 int32 或 int64)int8 位元組(-128 至 127)int16 整數(-32768 至 32767)int32 整數(-2147483648 至 2147483647)int64 整數(-9223372036854775808 至 9223372036854775807)uint8 無符號整數(0 至 255)uint16 無符號整數(0 至 65535)uint32 無符號整數(0 至 4294967295)uint64 無符號整數(0 至 18446744073709551615)float_ float64 類型的簡寫float16 半精度浮點數,包括:1 個符號位,5 個指數位,10 個尾數位float32 單精確度浮點數,包括:1 個符號位,8 個指數位,23 個尾數位float64 雙精確度浮點數,包括:1 個符號位,11 個指數位,52 個尾數位complex_ complex128 類型的簡寫,即 128 位元複數complex64 複數,表示雙 32 位元浮點數(實數部分和虛數部分)complex128 複數,表示雙 64 位元浮點數(實數部分和虛數部分)NumPy 最重要的一個特點是其N 維數組物件ndarray,它是一系列同類型資料的集合,以0 下標為開始進行集合中元素的索引.numpy.array(object, dtype=None, copy=True, order=None, subok=False, ndmin=0)object 數組或嵌套的數組dtype 數組元素的資料類型,可選copy 物件是否需要複製,可選order 建立陣列的樣式,C為行方向,F為列方向,A為任意方向(預設)subok 預設傳回一個與基底類別類型一致的陣列ndmin 指定產生數組的最小維度import numpy as np print(f"一維數組:{np.array([1,2,3])}") print(f"多維數組:\n{np.array([[1,2], [3,4]])}") # dtype 參數 print(f"np.array([1,2,3], dtype=complex) 複數陣列:\n{np.array([1,2,3], dtype=complex)}")結果如下所示：多維數組:[[1 2][3 4]]np.array([1,2,3], dtype=complex) 複數陣列:[1.+0.j 2.+0.j 3.+0.j]資料型別物件(dtype)numpy.dtype(object, align, copy)object - 要轉換為的資料型別對象align - 如果為 true,填入欄位使其類似 C 的結構體。copy - 複製 dty