最近在編輯有關Python的相關程式， 正好總結了與一下關於 NumPy的庫會用到的語句。
百度百科：NumPy系統是Python的一種開源的數值計算擴展。 這種工具可用來存儲和處理大型矩陣， 比Python自身的嵌套清單（nested list structure)結構要高效的多（該結構也可以用來表示矩陣（matrix））。 據說NumPy將Python相當於變成一種免費的更強大的MatLab系統。
1. 讀取文件
numpy.genfromtxt() 用於讀取 txt 檔， 其中傳入的參數依次為：
需要讀取的 txt 檔位置， 此處檔與程式位於同一目錄下
分割的標記
轉換類型， 如果檔中既有文本類型也有數位類型， 就先轉成文本類型
help(numpy.genfromtxt)用於查看幫助文檔：
如果不想看 API 可以啟動一個程式用 help 查看指令的詳細用法
importnumpy
world_alcohol = numpy.genfromtxt("world_alcohol.txt",delimiter=",",dtype=str)
print(type(world_alcohol))
print(world_alcohol)
print(help(numpy.genfromtxt))
2. 構造 ndarray
numpy.array()構造 ndarray
numpy.array()中傳入陣列參數， 可以是一維的也可以是二維三維的。 numpy 會將其轉變成 ndarray 的結構。
vector = numpy.array([1,2,3,4])
matrix = numpy.array([[1,2,3],[4,5,6]])
傳入的參數必須是同一結構,不是同一結構將發生轉換。
vector = numpy.array([1,2,3,4])
array([1,2,3,4])
均為 int 類型
vector = numpy.array([1,2,3,4.0])
array([1.,2.,3.,4.])
轉為浮點數類型
vector = numpy.array([1,2,'3',4])
array(['1','2','3','4'],dtype=' 轉為字元類型 利用 .shape 查看結構 能夠瞭解 array 的結構，
debug 時通過查看結構能夠更好地瞭解程式運行的過程。
print(vector.shape) print(matrix.shape) (4,) (2,3) 利用 dtype 查看類型 vector = numpy.array([1,2,3,4]) vector.dtype dtype('int64') ndim 查看維度 一維 vector = numpy.array([1,2,3,4]) vector.ndim 1 二維 matrix = numpy.array([[1,2,3], [4,5,6], [7,8,9]]) matrix.ndim 2 size 查看元素數量 matrix.size 9 3. 獲取與計算 numpy 能使用切片獲取資料 matrix = numpy.array([[1,2,3], [4,5,6], [7,8,9]]) 根據條件獲取 numpy 能夠依次比較 vector 和元素之間是否相同 vector = numpy.array([5,10,15,20]) vector == 10 array([False,True,False,False],dtype=bool) 根據返回值獲取元素 vector = numpy.array([5,10,15,20]) equal_to_ten = (vector == 10) print(equal_to_ten) print(vector[equal_to_ten]) [FalseTrueFalseFalse] [10] 進行運算之後獲取 vector = numpy.array([5,10,15,20]) equal_to_ten_and_five = (vector == 10) & (vector == 5) 類型轉換 將整體類型進行轉換 vector = numpy.array([5,10,15,20]) print(vector.dtype) vector = vector.astype(str) print(vector.dtype) int64 求和 sum() 能夠對 ndarray 進行各種求和操作，
比如分別按行按列進行求和 matrix = numpy.array([[1,2,3], [4,5,6], [7,8,9]]) print(matrix.sum()) print(matrix.sum(1)) print(matrix.sum(0)) 45 [61524] [121518] sum(1) 是 sum(axis=1)) 的縮寫，
1表示按照 x軸方向求和，
0表示按照y軸方向求和 4. 常用函數 reshape 生成從 0-14 的 15 個數位，
使用 reshape(3,5) 將其構造成一個三行五列的 array。
importnumpy asnp arr = np.arange(15).reshape(3,5) arr array([[0,1,2,3,4], [5,6,7,8,9], [10,11,12,13,14]]) zeros 生成指定結構的預設為 0. 的 array np.zeros((3,4)) array([[0.,0.,0.,0.], [0.,0.,0.,0.], [0.,0.,0.,0.]]) ones 生成一個三維的 array,通過 dtype 指定類型 np.ones((2,3,4),dtype=np.int32) array([[[1,1,1,1], [1,1,1,1], [1,1,1,1]], [[1,1,1,1], [1,1,1,1], [1,1,1,1]]]) range 指定範圍和數值間的間隔生成 array，
注意範圍包左不包右 np.arange(0,10,2) array([0,2,4,6,8]) random 亂數 生成指定結構的亂數，
可以用於生成隨機權重 np.random.random((2,3)) array([[0.86166627,0.37756207,0.94265883], [0.9768257,0.96915312,0.33495431]]) 5. ndarray 運算 元素之間依次相減相減 a = np.array([10,20,30,40]) b = np.array(4) a - b array([6,16,26,36]) 乘方 a**2 array([100,400,900,1600]) 開根號 np.sqrt(B) array([[1.41421356,0.], [1.73205081,2.]]) e 求方 np.exp(B) array([[7.3890561,1.], [20.08553692,54.59815003]]) 向下取整 a = np.floor(10*np.random.random((2,2))) a array([[0.,0.], [3.,6.]]) 行列變換 a.T array([[0.,3.], [0.,6.]]) 變換結構 a.resize(1,4) a array([[0.,0.,3.,6.]]) 6. 矩陣運算 矩陣之間的運算 A = np.array([[1,1], [0,1]]) B = np.array([[2,0], [3,4]]) 對應位置一次相乘 A*B array([[2,0], [0,4]]) 矩陣乘法 print(A.dot(B)) print(np.dot(A,B)) [[54] [34]] 橫向相加 a = np.floor(10*np.random.random((2,2))) b = np.floor(10*np.random.random((2,2))) print(a) print(b) print(np.hstack((a,b))) [[2.3.] [9.3.]] [[8.1.] [0.0.]] [[2.3.8.1.] [9.3.0.0.]] 縱向相加 print(np.vstack((a,b))) [[2.3.] [9.3.] [8.1.] [0.0.]] 矩陣分割 #橫向分割 print(np.hsplit(a,3)) #縱向風格 print(np.vsplit(a,3)) 7. 複製的區別 位址複製 通過 b = a 複製 a 的值，
b 與 a 指向同一位址，
改變 b 同時也改變 a。
a = np.arange(12) b = a print(aisb) print(a.shape) print(b.shape) b.shape = (3,4) print(a.shape) print(b.shape) True (12,) (12,) (3,4) (3,4) 複製值 通過 a.view() 僅複製值，
當對 c 值進行改變會改變 a 的對應的值，
而改變 c 的 shape 不改變 a 的 shape a = np.arange(12) c = a.view() print(cisa) c.shape = 2,6 c[0,0] = 9999 print(a) print(c) False [99991234567891011] [[999912345] [67891011]] 完整拷貝 a.copy() 進行的完整的拷貝，
產生一份完全相同的獨立的複製 a = np.arange(12) c = a.copy() print(cisa) c.shape = 2,6 c[0,0] = 9999 print(a) print(c) False [01234567891011] [[999912345] [67891011]]