從零開始學資料科學:Numpy 基礎入門

前言

本系列文章將透過系統介紹資料科學(Data Science)相關的知識,透過 Python 帶領讀者從零開始進入資料科學的世界。這邊我們將介紹 Numpy 這個強大的 Python 函式庫。

什麼是 Numpy?

Numpy 是 Python 的一個重要模組(Python 是一個高階語言也是一種膠水語言,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。Numpy 底層以 C 和 Fortran 語言實作,所以能快速操作多重維度的陣列。當 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

 從零開始學資料科學:Numpy 基礎入門

  1. Numpy 陣列
    Numpy 的重點在於陣列的操作,其所有功能特色都建築在同質且多重維度的 ndarray(N-dimensional array)上。ndarray 的關鍵屬性是維度(ndim)、形狀(shape)和數值類型(dtype)。 一般我們稱一維陣列為 vector 而二維陣列為 matrix。一開始我們會引入 numpy 模組,透過傳入 listnumpy.array() 創建陣列。

     # 引入 numpy 模組
     import numpy as np
     np1 = np.array([1, 2, 3])
     np2 = np.array([3, 4, 5])
    
     # 陣列相加
     print(np1 + np2) # [4 6 8]
    
     # 顯示相關資訊
     print(np1.ndim, np1.shape, np1.dtype) # 1 (3,) int64 => 一維陣列, 三個元素, 資料型別
    
     np3 = np.array([1, 2, 3, 4, 5, 6])
    

    從檔案取資料:

     npd = np.genfromtxt('data.csv', delimiter=',')
    

    改變陣列維度:

     np3 = np3.reshape([2, 3])
     print(np3.ndim, np3.shape, np3.dtype) # 2 (2, 3) int64
    

    改變陣列型別(bool、int、float、string):

    bool 可以包含 True、False,int 可以包含 int16、int32、int64。其中數字是指 bitsfloat 可以包含 16、32、64 表示小數點後幾位。string 可以是 string、unicode。nan 則表示遺失值。

     np3 = np3.astype('int64')
     np3.dtype
     # dtype('int64')
    
  2. 建立陣列
    建立填滿 0 或 1 的陣列:

     np1 = np.zeros([2, 3]) # array([[ 0.,  0.,  0.], [ 0.,  0.,  0.]])
     np2 = np.ones([2, 3]) # array([[ 1.,  1.,  1.], [ 1.,  1.,  1.]])
    

 從零開始學資料科學:Numpy 基礎入門

  1. 陣列索引與切片
    一維陣列操作和 Python 原生 list 類似:

     np3 = np.array([1, 2, 3, 4, 5, 6])
     print(np3[2]) # 3
    

    二維陣列:

     np3 = np3.reshape([2, 3])
    
     print(np3[1, 0]) # 4
    

 從零開始學資料科學:Numpy 基礎入門

  1. 基本操作
    使用布林遮罩來取值:

     np3 = np.array([1, 2, 3, 4, 5, 6])
     print(np3 > 3) # [False False False  True  True  True]
     print(np3[np3 > 3]) # [4 5 6]
    

    加總:

     np3 = np3.reshape([2, 3])
     print(np3.sum(axis=1)) # 將 axis=1 橫向加總 [6 15]
    

總結

以上介紹了 Numpy 的基礎知識,建立了基本的 array 和 ndarray 的觀念。相信在熟悉 Numpy 之後 Pandas 的學習將會比較容易 (Pandas 的資料容器 DataFrame、Series 事實上是奠基在 Numpy 的陣列上)

延伸閱讀

  1. 7 Steps to Mastering Machine Learning With Python
  2. [python] numpy axis概念整理筆記
  3. Python科学计算:numpy

(image via berkeleycodingeekcornellscipy-lectures


#Python #Machine-Learning #機器學習 #AI #Artificial-Intelligence #NLP #Data-Mining #人工智慧 #監督式學習 #Supervised-learning #從零開始學資料科學 #Numpy #資料科學 #data-science #data-scientist #pandas #scikit-learn









Related Posts

4.  SpringBoot使用jms設定錯誤處理(errorHandler)

4. SpringBoot使用jms設定錯誤處理(errorHandler)

MTR04_0927

MTR04_0927

顏色 工具

顏色 工具




Newsletter


Comments