--- ###### tags: `資訊之芽` --- # Numpy & Matplotlib --- ## 大綱 - Numpy 簡單介紹 - 小技巧 - 更多介紹 - View/Reshape - 最後小撇步 ---- ## 簡單介紹 Numpy 內置array及一堆好用的小工具 包含向量/矩陣運算 也涵蓋統計，隨機，傅立葉轉換（？） ---- ## 簡單介紹 Numpy的array和之前的Tuple，List非常像 之前的各種資料型態固然方便，功能很多 但越多功能也就代表著速度越慢... ---- ## 簡單介紹  ---- ## 簡單介紹 安裝 ``` pip install numpy ``` 匯入 ```python= import numpy arr = numpy.array([1,2,3,4,5]) ``` ---- ## 簡單介紹 試試看！ ```python= import numpy arr = numpy.array([1,2,3,4,5]) # 創造一個array print(arr) print(type(arr)) print(arr[2]) # 取值方式一樣 print(arr[0:2]) # 也可以Slice ``` ---- ## 簡單介紹 題外話 利用import ... as ... 來~~偷懶~~ 方便寫扣 ```python= import numpy as np arr = np.array([1,2,3,4,5]) ``` 註：簡報之後部分都不會再寫出import... ---- ## 簡單介紹 所以...現在是 QA Time！ --- ## 小技巧 ```python= arr = np.arange(2,16,3) # [2,5,8,11,14] # 和range很像 arr = np.zeros(4) # [0, 0, 0, 0] arr = np.ones(5) # [1, 1, 1, 1, 1] arr = np.linspace(0, 10, num=5) # [l,r]範圍取num個點 # 0, 2.5, 5, 7.5, 10 ``` ---- ## 小技巧 快速生出大array的方法 (2) ```python= arr = np.empty(2) # [酷東西, 酷東西] arr = np.random.rand(5) # 長度為5 範圍為0~1 arr = np.random.randint(0,2,(4,3)) # 尺寸4*3 範圍為[0,2) ``` 酷東西：undefined ---- ## 小技巧 所以...現在是 QA Time！ --- ## 更多介紹 多維度Array 多維度？回想之前的巢狀List ~~List俄羅斯套娃~~ ``` 這是一個二維array 尺寸為3 (列 row) * 3 (行 column) [ [1,4,7], [2,5,8], [3,6,9] ] 第一列為 [1,4,7] 第一行為 [1,2,3] ``` ---- ## 更多介紹 多維度array 基本上概念完全一樣 ```python= import numpy as np arr_0 = np.array(1) # 這是0維的 arr_1 = np.array([1,2,3]) arr_2 = np.array([[1,2,3],[4,5,6],[7,8,9]]) # 這是2維的 ``` ---- ## 更多介紹 新東西 檢查維度用 維度數量也可以說是Rank(秩) ```python= arr_2 = np.array([[1,2,3],[4,5,6],[7,8,9]]) print(arr_2.ndim) # 二維array/Rank = 2的array # output: 2 ``` ---- ## 更多介紹 新東西 創造維度！ ```python= arr_2 = np.array([[1,2,3],[4,5,6],[7,8,9]]) arr_3 = arr_2[np.newaxis, :] # 多一個維度 print(arr_3.ndim) # output: 3 print(arr_3[0]) print(arr_2) # 可以發現以上兩個的內容完全一樣 ``` ---- ## 更多介紹 除了可以看Rank 也可以看詳細的尺寸 ```python= arr_2 = np.array([[1,2,3],[4,5,6],[7,8,9]]) arr_3 = arr_2[np.newaxis, :] # 多一個維度 print(arr_3.shape) # (1, 3, 3) ``` ---- ## 更多介紹 所以...現在是 QA Time！ --- ## View 同一個array的資料，可以利用view來改變看待資料的方法 可以用view然後不指定內容來做出一個類似捷徑的資料 ```python= arr = np.array([1, 2, 3, 4, 5]) x = arr.view() print(x) arr[0] = 999 print(x) # 發現index = 0的元素被改成999了 z只是一個看待arr的方法 ``` ---- ## View 如果把arr的資料當作浮點數來看待，則印出來會是像x那樣 ```python= arr = np.array([1, 2, 3, 4, 5], dtype = np.int64) x = arr.view(float) # 用解讀float的方式解讀int的資料 print(x) # float/int都一樣佔8 Byte 但float有部分是紀錄小數點後的數值 ``` ---- ## 確認array中的資料型態 ```python= arr = np.array([1,2.5,3,4,5]) arr_2 = np.array([1,2,3,4,5]) print(arr.dtype) # float64 print(arr_2.dtype) # int64 ``` 更多補充:https://numpy.org/doc/stable/user/basics.types.html ---- ## View vs Copy Copy就是把整個array複製一份出來 但也要注意shallow copy的問題！ ```python= arr = np.array([1, 2, 3, 4, 5]) x = arr.view() y = arr.copy() arr[0] = 999 print(x) print(y) # 不會被改到999 ``` ---- ## QA 時間 到目前還好ㄇ --- ## Reshape 跟捏泥巴一樣簡單 只要元素數量正確，就能任意改變陣列的尺寸大小！ ```python= x = np.arange(6) # 0,1,2,3,4,5 y = x.reshape(2,3) print(y) # 輸出尺寸為2*3的矩陣 #[[0 1 2] # [3 4 5]] ``` ---- ## Reshape 真的只要元素數量正確就好 ```python= x = np.arange(6) # 0,1,2,3,4,5 w = x.reshape(1,1,1,1,1,6) # 維度控制大師(X) print(w) ``` ---- ## Reshape 不會除法也能當維度控制大師！ ```python= arr_2 = np.arange(1236) # 有1236個元素 z = arr_2.view() z.shape = (2,103,-1) # 不知道某個維度方向長度時 可以用-1來代替 np會幫忙算好 print(z.shape) # (2,103,6) ``` ---- ## View補充！ View能換個視角看資料 那能不能換個尺寸看資料？可以！ ```python= arr = np.array([1,2,3,4,5,6]) x = arr.view() x.shape = (2,3) # 換尺寸 print(x) ``` ---- ## QA Time! 捏形狀還熟悉嗎 --- ## 最後小撇步！ 這是最後一張了 array也內建直接運算 最大/小/平均/標準差的函式 學到賺到！ ```python= a = np.arange(5,2391,19).reshape(2,3,7,3) # 有126個元素 print(a.min()) # 所有元素最小值 print(a.max()) # 所有元素最大值 print(a.sum()) # 所有元素之和 print(np.std(a)) # 標準差 print(np.mean(a)) # 平均 ``` --- ## Numpy End! ---- ## Matplotlib 剛剛已經會整理資料了 現在來把資料畫出來！ ---- ## 大綱 - 安裝 - 安裝之外的 --- ## 安裝 ``` pip install -U matplotlib ``` 或是參考[這裡](https://matplotlib.org/stable/users/installing/index.html) 不要按[這裡](https://www.youtube.com/watch?v=-ePcMwbgl14) ---- ## 匯入 安裝之後 要使用前請記得匯入 ```python= from matplotlib import pyplot as plt import matplotlib.pyplot as plt ``` 以上兩種方式都可以 ---- ## QA Time 到這裡還好ㄇ？ --- ## 基本語法 畫圖分成三步驟 - 給資料及格式 - 設定label - show ---- ## 簡單示範 ```python= import matplotlib.pyplot as plt x = [10,20,30,40] y = [20,10,25,50] # 點的座標分別會是(10,20), (20,10), (30,25), (40,50) ``` ---- ## 簡單示範 ```python= plt.plot(x, y,"rs-") # 將資料丟給plt # r 紅色, s square, - 直線 plt.title("Example") # 設定標題等 plt.ylabel("y-axis") plt.xlabel("x-axis") ``` ---- ## 簡單示範 最後一步，[Show!](https://youtu.be/nrZxwPwmgrw?t=76) ```python= plt.show() ``` (可以搭配音效) ---- ## QA Time 大家有成功show出來了ㄇ --- ## 其他格式 顏色 可用kwarg ``` #RGB, 0~1 color=(255/255,100/255,100/255) ``` ---- ## 其他格式 點樣式 - \+ - \. 小圓點 - o 圓點 - s 小方格 - D 稜形/鑽石 - H 16邊形 ---- ## 其他格式 線條樣式 - : 虛線 - \- 直線 ---- ## 小練習 畫出一個正方形 邊長為10 藍色 虛線 鑽石頂點，其中兩個頂點在(0,0), (10,10) ---- ## 小練習解答 ```python= import matplotlib.pyplot as plt x = [0,10,10,0,0] y = [0,0,10,10,0] plt.plot(x, y,"bd:") # 將資料畫出來 plt.title("Blue square") # 設定標題等 plt.show() # 將圖表顯示出來 ``` 有點醜但還是正方形的吧 --- ## 設定比例尺 利用axis，給入有四個數字的list 就會把比例尺設定在對應範圍中 ```python= plt.plot([0,1,2,3,4],[0,1,8,27,64]) plt.axis([0, 5, 0, 70]) #[x始 x終 y始 y終] plt.show() ```  ---- ## 不同的圖 想畫出數學課本上滑滑的圖嗎 教你一招！不用一個一個座標慢慢打 回想numpy教的linspace ```python= x = np.linspace(0,5,21)# [0,5]之中取21個點 plt.plot(x,x**2) # x軸為0~5的數字 y軸為0~5的數字平方後的結果 plt.show() #生出0~5之間 y = x^2的圖 ``` ---- ## 不同的圖 直方圖 Histogram y值為提及x的次數 ```python= plt.hist([2,2,6,8]) ```  ---- ## numpy random 一個一個打有點累，我們可以借助np.random來產出一堆資料 這裡隨便挑一個normal distribution做示範 ```python= import numpy as np x = np.random.normal(0,1,1000) # 平均為0 標準差為1的常態分佈試驗1000筆 plt.hist(x) plt.show() ``` 有興趣也能print(x)看看裡面有什麼 ---- ## 不同的圖 點分佈圖 scatter ``` #點座標分別為(5,10) (2,5) (9,8) (4,4) (7,2) plt.scatter([5, 2, 9, 4, 7], [10, 5, 8, 4, 2]) plt.show() ``` ---- ## 不同的圖 長條圖 bar ```python= # 一樣給x y座標 plt.bar([5, 2, 9, 4, 7], [10, 5, 8, 4, 2]) plt.show() ``` ---- ## QA Time 以上都有一個個試過了ㄇ ___ ## 延伸 還有很多沒講的 - 3D圖形 [mplot3d](https://matplotlib.org/3.5.0/tutorials/toolkits/mplot3d.html) - 4D圖形 - 時空穿越 - 烏托邦社會架構哲學問題 - 正確地騎乘魔法掃帚 - [選擇適合居住的維度指南](https://www.instagram.com/p/CbhAWZRP39H/?utm_medium=copy_link&fbclid=IwAR0h1zH4e4EbehIDmaXdJoYqcsspYaDAxluI2-BsvOp8vtJpd5ng7zAnwcI) - 加值悠遊卡不可不知的10大秘訣