實驗一、數據處理之Numpy 一、實驗目的 1. 瞭解numpy庫的基本功能 2. 掌握Numpy庫的對數組的操作與運算 二、實驗工具： 1. Anaconda 2. Numpy 三、Numpy簡介 Numpy 的英文全稱為 Numerical Python，指Python 面向數值計算的第三方庫。 ...
實驗一、數據處理之Numpy
一、實驗目的
1. 瞭解numpy庫的基本功能
2. 掌握Numpy庫的對數組的操作與運算
二、實驗工具：
1. Anaconda
2. Numpy
三、Numpy簡介
Numpy 的英文全稱為 Numerical Python，指Python 面向數值計算的第三方庫。Numpy 的特點在於，針對 Python 內建的數組類型做了擴充，支持更高維度的數組和矩陣運算，以及更豐富的數學函數。Numpy 是 Scipy.org 中最重要的庫之一，它同時也被 Pandas，Matplotlib 等我們熟知的第三方庫作為核心計算庫。
NumPy（Numeric Python）提供了許多高級的數值編程工具，如：矩陣數據類型、矢量處理，以及精密的運算庫。專為進行嚴格的數字處理而產生。多為很多大型金融公司使用，以及核心的科學計算組織如：Lawrence Livermore，NASA用其處理一些本來使用C++，Fortran或Matlab等所做的任務。
Numpy包括了：1、一個強大的N維數組對象Array；2、比較成熟的（廣播）函數庫；3、用於整合C/C++和Fortran代碼的工具包；4、實用的線性代數、傅里葉變換和隨機數生成函數。Numpy和稀疏矩陣運算包scipy配合使用更加方便。
四、實驗內容
1. 數組的創建（創建全0數組，全1數組，隨機數數組）
全零數組
全一數組
隨機數組
2. 數組的屬性（查看數組的維度，數組元素的個數）
3. 數組的維度操作（將數組的行變列，返回最後一個元素，返回第2到第4個元素，返回逆序的數組）
4. 數組的合併（數組的水平合併，垂直合併，深度合併）
5. 數組的拆分（數組的水平拆分，垂直拆分，深度拆分）
6. 數組運算（與常的四則運算，與數組的四則運算，判斷數組是否相等）
7. 數組的常用函數（數組所有元素的和、積、平均值、最大值、最小值、元素替換、方差、標準差）
五、實驗總結（寫出本次實驗的收穫，遇到的問題等）
通過本次實驗，對Numpy進行了簡單的回顧練習，包括數組的創建，相關屬性的熟悉。瞭解了數組維度快捷操作的方法以及合併操作對應的函數。
之前線性代數的學習中，並未接觸合併的概念，不過通過實例還是比較好理解的，深度合併很有意思。對數組深度掌握不夠，還要加強數學知識的學習。
