# Numpy
###### tags: `人生苦短，我學Python`
## 定義屬性
1. 強大的多維類別類型
2. 矩陣廣播運算的特性
3. 底層集成 C/C++ 和 Fortran 實作
4. 大量科學/數學計算的實作函數（線性代數、三角函數 ...）
* 不管在哪裡，載入numpy函式庫就對了，而且一般習慣命名成np
```python=
import numpy as np
```
* 由此圖可知，for迴圈並不支持浮點數。
```python=
ndarray.ndim： 陣列有多少維度
ndarray.shape： 每個維度的大小
ndarray.size： 陣列當中有幾個元素
ndarray.dtype： 陣列中的資料型態
ndarray.itemsize： 陣列中每個元素佔用的空間
ndarray.data： 陣列所存在的記憶體位置
```
----------------
```python=
testarray.tolist()
#可以試一下這個
```
## 陣列初始化
* NumPy 提供了一個同類型元素的多維容器型態，稱為是數組或陣列。
* 建立陣列
1. 從內建型態作轉換
2. 從固定大小的初始值開始
3. 從固定大小的序列值開始
4. 從固定大小的亂數值開始
**numpy.array(object, dtype=None, *, copy=True, order='K', subok=False, ndmin=0, like=None) <-參數**
1. object：必填，任何 array_like 物件
1. dtype：指定轉成陣列後的元素型態
1. copy：預設為 True，是否產生一個新的物件
1. order：指定元素在記憶體中的儲存方式
----------
* 再接著往下看
* 用zeros創建了4 X 5 的二維矩陣。
test:
```python=
#換成
np.ones()
```
* 浮點數~
**使用 empty() 函式則是不需要給定起始值，但是可以建立給定形狀的陣列，元素值則會隨機給定。**
.---------------------------
* 從固定大小的序列值開始
1. 固定長度的等差序列
2. 固定區間的等差序列
3. 等比序列
```python=
numpy.logspace(start, stop, num=50, endpoint=True, base=10.0, dtype=None, axis=0)
```
* 亂數seed()
--------------------
* Structured Arrays vs RecordArray
* RecordArray 與 Structured Array 非常類似，但是提供更多的屬性可以用來存取結構化陣列。不過 RecordArray 雖然方便但是在效能上會比原來的陣列差
* 範例取自 : https://www.geeksforgeeks.org/python-numpys-structured-array/
## 陣列中不同的資料型態
* Numpy 的類型系統中，提供以下幾種型態：
* Numpy的型態與python內建的型態比起來更加細膩，目的就是為了更好的操作與儲存。
* 在 NumPy 中有幾種表示型態的方法：
1. 'int' 字串
2. 'int64' 字串
3. np.int64 物件
4. np.dtype('float64') 物件
```python=
#正確的用法如下
print(a.dtype == 'int64') # True
print(a.dtype is 'int64') # False
print(a.dtype is np.dtype('int64')) # True
```
**type是Python內建的函式，回傳數據結構(陣列)的類型
而dtype是Numpy的陣列屬性，會回傳陣列中的資料型態**
## 陣列的算術運算
-----------------
* 基礎運算
* np.trace()是計算左上到右下角這條線的sum
----------
* np.dot()高中數學
Sign in with Wallet
Connect another wallet