认识强大的Python套件：NumPy

昨天已经学会要如何呼叫套件了，今天就让我们来学习套件里的语法运用吧！

首先先呼叫我们的NumPy套件：

import numpy as np

ok～那开始我们今天的学习吧～～～

认识阵列

在NumPy中我们可以透过下面的语法来创建一维、二维、三维甚至到高维度的阵列。或许你会想要问为什麽我们需要阵列的型式？在Python原有的资料储存型是不是已经有串列了吗？

没错！但是原生的串列在处理内部的资料时其实是非常没有效率的，假如我想要针对两个列表内的数字相加，我们没有办法直接进行操作。

但是假如你资料形式转为阵列的格式，就可以轻松地将多组数字进行相加。这在往後进行资料处理的时候会是一个非常核心且常用的功能。

因此让我们来认识一下该如何建立阵列的方法吧！

• 根据串列建立

np.array([1,2,3]) 根据串列建立一维阵列

np.array([1,2],[3,4]) 根据串列建立二维阵列

其余以此类推...

• 直接建立阵列

np.empty(3) 建立资料未指定的一维阵列

np.empty([3,2]) 建立资料未指定的二维阵列 （3乘2的二维阵列）

透过[]来指定阵列内的元素与维度，其余以此类推...

np.zeros(3) 建立资料都是零的一维阵列

np.ones(3) 建立资料都是一的一维阵列

np,arrange(3) 建立连续资料的一维阵列

• 阵列的数性

type 查看属性

dtype 查看阵列中的数据类型

shape 查看阵列的形状（几行几列）

size 查看阵列里的元素数目

ndim 查看阵列的维度

索引与切片方法

阵列在索引和切片上与串列相同，一样使用[]来操作。

我们可以这样写：

a = np.array({1,2,3,4,5])
a[0] #我们会得到第0个位置的1
a[0] = 2 #我们可以修改第0个位置为2

如果想要切某些资料，一样：

a = np.array({1,2,3,4,5])
b = a[2:] #切出第2个位置以後的元素

以上是对NumPy的简单介绍，主要会运用到的核心概念就是阵列，在接下来的Pandas终将会继续承接NumPy的阵列概念，活用接下来的操作！

如果想要更加深入了解NumPy的话，非常推荐彭彭老师的教学：

https://www.youtube.com/playlist?list=PL-g0fdC5RMboq4yOQmvwYXamPDL4uZYEL

内容清楚明了，希望大家可以再更深入认识阵列的各种运用！

参考资料：

https://numpy.org/devdocs/user/quickstart.html

https://blog.happycoding.today/pythonbeginner-ep9/