NumPy 函数库

NumPy 是 Python 的一个第三方函数库，不仅支援大量维度的数组与矩阵运算，也具备大量的数学与统计函数函数库，可以很有效的进行科学运算和数据数据分析，此外，Python 的许多知名软件包，如 Pandas、SciPy、Sympy、Matplotlib、TensorFlow...等，几乎都是架构在 Numpy 基础上做应用，因此 NumPy 是非常重要的函数库。

NumPy 的特色

• 使用“数组”代替 Python 原生的“串列”( 列表 ) 来处理数据 ( 由于 NumPy 底层使用 C 语言运算，因此运算速度非常快 )。
• 适合处理“多维度”数据。
• 方便结合 Python 其他的扩充函数库，如 Pandas、SciPy、Matplotlib...等。
• NumPy 与 MATLAB 同样是利用 BLAS 与 LAPACK 来提供高效率的线性代数运算。

安装 NumPy 函数库

如果是使用 Colab 或 Anaconda，默认已经安装了 requests 函数库，不用额外安装，如果是本机环境，输入下列指令，就能安装 NumPy 函数库 ( 依据每个人的作业环境不同，可使用 pip 或 pip3 或 pipenv )。

pip install numpy

import numpy

要使用 NumPy 必须先 import numpy 模组，实际使用时，很常将 numpy 命名为 np。

import numpy as np

简单感受一下 NumPy

透过下列两个简单的程序，感受一下 NumPy 的功能，更多其他的 NumPy 教学，请点选左侧选单阅读。

• 第一个例子，将一个 Python 原生的串列转换成 NumPy 数组，输出后可以看到 NumPy 数组的项目中间没有逗号分隔。

  import numpy as np
  arr = np.array([1, 2, 3, 4, 5])
  print(arr)    # [1 2 3 4 5]
  

• 第二个例子，透过 NumPy 的 reshape 方法，能将原本的串列转换成一个 row 4 x column 3 的二维数组。

  import numpy as np
  arr = np.array([1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12])
  newarr = arr.reshape(4, 3)
  print(newarr)
  '''
  [[ 1  2  3]
  [ 4  5  6]
  [ 7  8  9]
  [10 11 12]]
  '''
  

NumPy 参考数据

• NumPy 官方网站：https://numpy.org/
• 说明手册：https://numpy.org/doc/stable/reference/index.html
• Github：https://github.com/numpy/numpy

意见反馈