# 理解 NumPy

在這篇文章中，我們將介紹使用NumPy的基礎知識，NumPy是一個功能強大的Python庫，允許更高級的數據操作和數學計算。

# 什麼是 NumPy?

NumPy是一個功能強大的Python庫，主要用於對多維數組執行計算。NumPy這個詞來源於兩個單詞– Numerical和Python。NumPy提供了大量的庫函數和操作，可以幫助程式設計師輕鬆地進行數值計算。這類數值計算廣泛用於以下任務：

• 機器學習模型：在編寫機器學習演算法時，需要對矩陣進行各種數值計算。例如矩陣乘法、換位、加法等。NumPy提供了一個非常好的庫，用於簡單(在編寫程式碼方面)和快速(在速度方面)計算。NumPy數組用於存儲訓練數據和機器學習模型的參數。

• 影像處理和電腦圖形學：電腦中的影像表示為多維數字數組。NumPy成為同樣情況下最自然的選擇。實際上，NumPy提供了一些優秀的庫函數來快速處理影像。例如，鏡像影像、按特定角度旋轉影像等。

• 數學任務：NumPy對於執行各種數學任務非常有用，如數值積分、微分、內插、外推等。因此，當涉及到數學任務時，它形成了一種基於Python的MATLAB的快速替代。

# NumPy 的安裝

在你的電腦上安裝NumPy的最快也是最簡單的方法是在shell上使用以下命令：pip install numpy。

這將在你的電腦上安裝最新/最穩定的NumPy版本。通過PIP安裝是安裝任何Python軟體包的最簡單方法。現在讓我們來談談NumPy中最重要的概念，NumPy數組。

# NumPy 中的數組

NumPy提供的最重要的數據結構是一個稱為NumPy數組的強大對象。NumPy數組是通常的Python數組的擴展。NumPy數組配備了大量的函數和運算符，可以幫助我們快速編寫上面討論過的各種類型計算的高性能程式碼。讓我們看看如何快速定義一維NumPy數組：

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

在上面的簡單示例中，我們首先使用import numpy作為np導入NumPy庫。然後，我們創建了一個包含5個整數的簡單NumPy數組，然後我們將其列印出來。繼續在自己的機器上試一試。在看 「NumPy安裝」 部分下面的步驟的時候，請確保已在電腦中安裝了NumPy。

現在讓我們看看我們可以用這個特定的NumPy數組能做些什麼。

print my_array.shape

它會列印我們創建的數組的形狀：(5, )。意思就是 my_array 是一個包含5個元素的數組。

我們也可以列印各個元素。就像普通的Python數組一樣，NumPy數組的起始索引編號為0。

print my_array[0]  print my_array[1]

上述命令將分別在終端上列印1和2。我們還可以修改NumPy數組的元素。例如，假設我們編寫以下2個命令：

my_array[0] = -1  print my_array

我們將在螢幕上看到：[-1,2,3,4,5]。

現在假設，我們要創建一個長度為5的NumPy數組，但所有元素都為0，我們可以這樣做嗎？是的。NumPy提供了一種簡單的方法來做同樣的事情。

my_new_array = np.zeros((5))  print my_new_array

我們將看到輸出了 [0., 0., 0., 0., 0.]。與 np.zeros 類似，我們也有 np.ones。 如果我們想創建一個隨機值數組怎麼辦？

my_random_array = np.random.random((5))  print my_random_array

我們得到的輸出看起來像 [0.22051844 0.35278286 0.11342404 0.79671772 0.62263151] 這樣的數據。你獲得的輸出可能會有所不同，因為我們使用的是隨機函數，它為每個元素分配0到1之間的隨機值。

現在讓我們看看如何使用NumPy創建二維數組。

my_2d_array = np.zeros((2, 3)) print my_2d_array

這將在螢幕上列印以下內容：

[[0. 0. 0.]    [0. 0. 0.]]

猜猜以下程式碼的輸出結果如何：

my_2d_array_new = np.ones((2, 4)) print my_2d_array_new

這裡是：

[[1. 1. 1. 1.]    [1. 1. 1. 1.]]

基本上，當你使用函數np.zeros()或np.ones()時，你可以指定討論數組大小的元組。在上面的兩個例子中，我們使用以下元組，(2, 3) 和(2, 4) 分別表示2行，3列和4列。像上面那樣的多維數組可以用 my_array[i][j] 符號來索引，其中i表示行號，j表示列號。i和j都從0開始。

my_array = np.array([[4, 5], [6, 1]])  print my_array[0][1]

上面的程式碼片段的輸出是5，因為它是索引0行和索引1列中的元素。

你還可以按如下方式列印my_array的形狀：

print my_array.shape

輸出為(2, 2)，表示數組中有2行2列。

NumPy提供了一種提取多維數組的行/列的強大方法。例如，考慮我們上面定義的my_array的例子。

[[4 5] [6 1]]

假設，我們想從中提取第二列（索引1）的所有元素。在這裡，我們肉眼可以看出，第二列由兩個元素組成：5 和 1。為此，我們可以執行以下操作：

my_array_column_2 = my_array[:, 1]  print my_array_column_2

注意，我們使用了冒號(:)而不是行號，而對於列號，我們使用了值1，最終輸出是：[5, 1]。

我們可以類似地從多維NumPy數組中提取一行。現在，讓我們看看NumPy在多個陣列上執行計算時提供的強大功能。

# NumPy中的數組操作

使用NumPy，你可以輕鬆地在數組上執行數學運算。例如，你可以添加NumPy數組，你可以減去它們，你可以將它們相乘，甚至可以將它們分開。 以下是一些例子：

import numpy as np  a = np.array([[1.0, 2.0], [3.0, 4.0]])  b = np.array([[5.0, 6.0], [7.0, 8.0]])  sum = a + b  difference = a - b  product = a * b  quotient = a / b  print "Sum = n", sum  print "Difference = n", difference  print "Product = n", product  print "Quotient = n", quotient    # The output will be as follows:     Sum = [[ 6. 8.] [10. 12.]]  Difference = [[-4. -4.] [-4. -4.]]  Product = [[ 5. 12.] [21. 32.]]  Quotient = [[0.2 0.33333333] [0.42857143 0.5 ]]

如你所見，乘法運算符執行逐元素乘法而不是矩陣乘法。 要執行矩陣乘法，你可以執行以下操作：

matrix_product = a.dot(b)  print "Matrix Product = ", matrix_product

輸出將是：

[[19. 22.]    [43. 50.]]

# 總結

如你所見，NumPy在其提供的庫函數方面非常強大。你可以使用NumPy公開的優秀的API在單行程式碼中執行大型計算。這使它成為各種數值計算的優雅工具。如果你希望自己成為一名數學家或數據科學家，你一定要考慮掌握它。在熟練掌握NumPy之前，你需要了解Python。

你可以在 Hackr.io 上找到編程社區推薦的最佳Python 教程，願上帝保佑你！

# 文章出處

由NumPy中文文檔翻譯，原作者為 Vijay Singh，翻譯至：https://dzone.com/articles/understanding-numpy。