Numpy介紹
首先，什麼是Numpy?
Numpy 是 Python 的一個重要模組（Python 是一個高階語言，可以透過整合其他低階語言同時擁有效能和高效率的開發），主要用於資料處理上。
Python 處理龐大資料時，其原生 list 效能表現並不理想（但可以動態存異質資料），而 Numpy 具備平行處理的能力，可以將操作動作一次套用在大型陣列上。
此外 Python 其餘重量級的資料科學相關套件（例如：Pandas、SciPy、Scikit-learn 等）都幾乎是奠基在 Numpy 的基礎上。因此學會 Numpy 對於往後學習其他資料科學相關套件打好堅實的基礎。
Numpy 基礎操作
import numpy as np
1. array應用
np.array(): 有矩陣加減乘除的應用
np.zeros( (x,y) ): x*y全零矩陣
np.empty(): 用法與np.zeros一樣，但唯一的差別是NumPy不會初始化陣列內元素的初始值，所以內容將會是不確定的。
np.arange( 起始值, 結束值, 步幅, 資料型別 )
np.linspace( 起始值, 結束值, 起始與結束的區間內要產生幾個元素 )
2. np取值
np.sum：矩陣加總
np.min：矩陣最小值
np.max：矩陣最大值
np.mean：矩陣平均值
np.sqrt：矩陣內所有元素開平方根
np.exp：矩陣內所有元素進行Exponential function(e)運算
np.add：矩陣或陣列相加
3. np slicing
- Indexing
索引(Indexing)的用途不外乎就是為了要從陣列和矩陣中取值，但除此之外有很多種功能！
可以取出連續區間，還可以間隔取值！
選取連續區間 [a:b]
2. slicing
切片(Slicing)的用途和索引(Indexing)很像！
若能活用便能加快程式撰寫速度！
間隔選取[::c]
以1維陣列來說明x[a:b:c]
a：選取資料的起始索引
b：選取資料的結束索引+1
c：選取資料間隔，以索引值可以被此值整除的元素，不指定表示1
3. 迭代
迭代(Iterating)比較熟悉一點，可以說就像foreach一樣的使用方法
# Iteracted overa = np.arange(10) ** 2for i in a:print(“a**(1/2)=> {0}”.format(np.round(i**(1/2), 0)))
4. Shape變化
np.reshape(a, b)：這是最基本的塑形功能，可以直接將陣列重新塑形成a-by-b或是更高維度的形狀！
np.ravel()：此功能會回傳一個將陣列或矩陣經扁平化(flattened)處理後的陣列
ndarray.T：轉置矩陣(transpose)
5. 矩陣堆疊(Stacking)
這功能可以方便運算時矩陣串接的需求！
np.vstack(a, b)：將a, b矩陣沿著垂直軸堆疊！
np.hstack(a, b)：將a, b矩陣沿著水平軸堆疊！
a = np.arange(1,11).reshape(2,5)
print(“a=>\n{0}”.format(a))print()# 水平堆疊print(“np.vstack((a,a))=>\n{0}”.format(np.hstack((a,a))))print()# 垂直堆疊print(“np.hstack((a,a))=>\n{0}”.format(np.vstack((a,a))))
#本篇只簡單介紹numpy較常用到的指令