<style> .reveal { font-size: 30px; } .reveal h1 { font-size: 42px; } </style> # NCKU ES Python 視覺化 - Numpy ###### tags:`NCKU_ES` `python lecture` --- ## Intro 利用 Python 原本的 list 並不適合處理大量資料(基於原本 Python 設計的特性)，因此如何利用 Python 高效率處理資料呢? 機器學習、圖像處理又如何以 Python 快速實作? ---- ## Numpy Array  ---- ## Numpy Array 的幾個資料特徵 - `ndarray`：numpy array - `shape`：structure of dimensions - `dtype`：element type of the array ```python= import numpy as np np1 = np.array([[1, 2, 3], [1, 2, 3]]) print(np1.shape) print(np1.dtype) ``` Output: ```bash (2, 3) int32 ``` ---- <img src="https://i.redd.it/ux25x879dqv31.jpg" style="height:550px"> ---- ## Data type <img src="https://miro.medium.com/max/875/0*iISwXpti0yoko803.png" style="height:550px"> ---- ## Array Indexing ```python= print(np[0, 1]) ``` :::info ndarray 和 python list 的 indexing 方式不一樣 ::: --- ## Table of mathematic functions [連結](https://numpy.org/doc/stable/reference/routines.math.html) --- ## 常用於設定初值的方法 ```python= np.array([1, 2, 3]) # 從一個 list type 轉為 ndarray np.zeros((2, 3)) # 建立一個2x3全為0的陣列 np.ones((2, 3, 4)) # 建立一個2x3x4全為1的陣列 np.arange(1, 10, 2) # 建立一個由1開始，不超過10，間隔值為2的均勻數值陣列 np.linspace(0, 10, 5) # 建立一個0到10之間，均勻的5個數值陣列 np.full((3,2), 8) # 建立一個3x2全為8的陣列 np.eye(2) # 建立一個5x5的單位矩陣 np.random.random((2,3)) # 建立一個2x3的隨機值矩陣 ``` Example: ```python= >>> np.arange(3) array([0, 1, 2]) >>> np.arange(3,9,2) array([3, 5, 7]) ``` ---- ## [arange()](https://numpy.org/doc/stable/reference/generated/numpy.arange.html) 與 python 的 range 類似，但是 return 的是 np.array 物件。 ```python= numpy.arange([start, ]stop, [step, ]dtype=None) ``` ---- ## [linspace()](https://numpy.org/doc/stable/reference/generated/numpy.linspace.html) 產生均勻分布的點，預設包含邊界，也可以用 `endpoint` 指定是否要包含邊界。 ```python= numpy.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None, axis=0) ``` Example: ```python= >>> np.linspace(0, 4, 10) array([0. , 0.44444444, 0.88888889, 1.33333333, 1.77777778, 2.22222222, 2.66666667, 3.11111111, 3.55555556, 4. ]) ``` --- ## 常用的函數 - sum - max / argmax - min / argmin - sort - mean - std - reshape - transpose ---- # 資料整併 - append - concatenate - vstack - hstack - vsplit - hsplit