# 導入 NumPy， 開始學習
import numpy as np
不用 Python 非好漢，不曉 NumPy 真遺憾
本專欄 將使用 圖解 以及 腦圖 的方法來記錄我的《圖解 NumPy 學習筆記》。
NumPy 是 Numerical Python 的簡稱，它是目前 Python 數值計算 中最爲重要的基礎包。
——《利用 Python 進行數據分析》
0 NDArray —— 多維數組對象
NDArray（ N-dimensional array ）是學習 NumPy 的基礎：
-
快速 而 靈活 的 大數據集容器
-
存儲 和 變化 數據 的 主要工具
它有多快，它有多靈活？
且聽我慢慢道來。
1 生成 NDArray
首先，我們可以使用 np.array() 直接創建數組：
也可使用以下的方法，我們只需將生成元素的數量傳給它們：
你看這個數組，它又方又正，
我們需要一些屬性去描述它。
這裏有三個屬性 np.ndim 、np.shape 和 np.dtype :
-
np.ndim ：描述數組的 維度，dimension 維度
-
np.shape ：表徵數組每一維度的 數量
-
np.dtype ：描述數組的 數據類型
我們以 np.zeros() 爲例：
-
shape : 整數 或 整數元組 ，例如 3 或 （2，3）
-
dtype : 默認爲 np.float64
-
order : 默認 'C' ，行優先
向 np.shape 傳遞參數，我們就能創建 多維數組 ：
這裏補充一下， np.reshape() 的用法：
下面是常用的 數組生成函數 ：
創建數組後，就可以開始以有趣的方式操作它們了。
1.2 NDArray 的數據類型
等等剎個車，
某些應用場景下，我們還需要考慮數組的 數據類型 :
-
np.dtype ：查看 數組 數據類型
-
np.astype() ： 修改 數組 數據類型
下面是 常用 的 NumPy 數據類型 ：
我們還可以將 數字字符串 轉換爲 數字：
好了，終於可以開始有趣的操作數組了。
1.3 NumPy 數組運算
講重點了，
數組之所以 重要 是因爲它允許你進行 批量操作 而無須任何 for 循環。
這種特性被稱爲 向量化 ：
-
任何在 兩個等尺寸數組 之間的算術操作都應用了 逐元素操作 的方式
讓我們創建兩個 NumPy 數組來展示它們的用途：
向量化 加減乘除 ：
當然也可以進行 標量 計算：
Python 的 for 循環 慢的可怕，用 向量化 計算可以快百倍。
1.4 基礎索引與切片
值得強調的是 切片 是 左閉右開，這是個坑，
裏面躺在很多人，包括我。
這裏有兩個概念需要說明：
-
副本：拷貝，物理內存不在同一位置
-
視圖：引用，物理內存在同一位置
顯然 視圖 更節約內存空間，
那什麼時候是“副本”，什麼時候是“視圖”呢？
答：
Python 序列 的 切片 屬於 副本；
Numpy np.array 的 切片 屬於 視圖。
如果想要一份 數組切片的拷貝 而不是視圖的話，就必須 顯式地複製 這個數組，例如 data[1:3].copy()。
1.5 布爾索引
數組比較操作（比如 ==）也是可以 向量化 的，
我們先創建兩個數組，
一個代表姓名（name），
一個代表對應的成績（score）：
進行 布爾索引：
查看 Yellow 的成績：
看看誰沒有及格：
這裏需要強調的是 布爾索引 總是生成數據的 拷貝。
1.6 神奇索引
神奇索引，一個 magical 的名字，
它是 Numpy 中的術語，用於描述使用 整數數組 進行數據索引。
神奇索引的結果總是 一維 的。
神奇索引在賦值時，有妙用。
這裏需要強調的是 神奇索引 也總是生成數據的 拷貝。
1.7 數組轉置和換軸
轉置 np.T ：
換軸 np.transpose() :
-
接受 包含軸編號 的 元組，用於 置換軸
二維數組 置換軸：
二維數組置換軸
看到這裏，會想這個有什麼用呢，不是 轉置 嗎？
如果有這個疑問，可以看看下面三維的使用。
三維數組 置換軸：
可以看我下面這個回答，就對 三維數組 巧妙地使用了 np.transpose()，實現了 圖像信號信道分離 、 信道重組 ：
一副圖像，是（3,566,800）這種形式，如何變成（566,800,3）這樣形式？
人生苦短，我用 Python ；
人生苦短，我用 NumPy。
下一期，我們將繼續圖解 NumPy 的 通用函數 。
以上就是 NumPy 多維數組 的基本操作了，其他內容會在後續的文章中繼續講解。
我也會在知乎上尋找問題，使用 NumPy 進行回答，以補充我的專欄文章。
謝謝您的觀看，感謝您的收藏點贊，期待您的評論交流。
The End
Last updated: 2019/9/26
本文參考：
名稱：A Visual Intro to NumPy and Data Representation 作者：Jay Alammar
名稱：Python for Data Analysis 作者：Wes McKinney