目錄

一.numpy庫簡介與安裝

numpy庫的安裝

二.numpy核心功能

1.矩陣處理

2.數學運算

三.數據的維度與屬性

1.維度管理

2.屬性方法

四.數據類型與存儲范圍

五.矩陣形狀與維度操作

六.數據升維與reshape()方法

---

一.numpy庫簡介與安裝

NumPy是Python中用于科學計算的核心庫之一，提供高性能的多維數組對象（ndarray）及工具，適用于數值計算、數據分析和機器學習等領域。

numpy庫的安裝

pip install numpy==1.23.5 -i 鏡像源地址

注意：

若安裝失敗，需檢查Python版本兼容性（如3.7/3.9適配1.x版本，避免2.x版本）。

二.numpy核心功能

1.矩陣處理

• 將數據存儲為矩陣（ndarray類型），顯著提升計算速度（底層由C語言實現）。
• 支持高維數據（如二維、三維矩陣），可通過numpy.array()轉換列表為矩陣。

2.數學運算

• 集成數學庫功能（如sin, cos, abs等），支持矩陣轉置、求逆、微分等高級運算。
• 對比Python原生列表：numpy提供更豐富的數學操作且計算效率更高。

三.數據的維度與屬性

1.維度管理

• 一維矩陣（如[1 2 3 4 5 6]）顯示為無逗號排列。

  import numpy as np
  list =[1,2,3,4,5,6]
  print(np.array(list))

  
• 高維矩陣（如三維）需通過索引（如z0, z1）查看不同層級數據。

  import numpy as np
  list =[1,2,3,4,5,6]
  z=np.array([[list,list,list],[list,list,list],[list,list,list]])
  

  

2.屬性方法

• cshape：返回矩陣形狀（如(5,)表示一維5元素)。

  x=np.array([1,2,3,4,5])
  print(x.shape)

  

• (3,3,6)表示三維數據，共有3×3×6個元素

  import numpy as np
  list =[1,2,3,4,5,6]
  m = np.array([list,list,list])
  y= np.array([m,m,m])
  print(y.shape)

  

• ndim：返回維度數（如三維矩陣返回3）。

  import numpy as np
  list =[1,2,3,4,5,6]
  m = np.array([list,list,list])
  y= np.array([m,m,m])
  print(y.ndim)

  

• dtype：查看數據類型（默認int32表示32位整數）。

四.數據類型與存儲范圍

• int8 的最小值為 0（二進制全為 0），最大值為 256（二進制全為 1），實際存儲范圍為 0 到 255。
• 自然界中的亮度值（如 RGB 顏色）范圍是 0 到 255，因此計算機視覺中常用 int8 存儲顏色值。
• int32 的存儲范圍為 0 到 232，適用于大數值存儲；float32 和 float64 用于高精度浮點數（如保留多位小數）。

• 五.矩陣形狀與維度操作

• shape：描述矩陣的行列結構（如 3 行 5 列返回 (3, 5)）。
• ndim：返回矩陣的維度數（一維返回 1，二維返回 2）。
• size：返回矩陣中元素的總數（如 15 個數據返回 15）。

  import numpy as np
  list =[1,2,3,4,5,6]
  m = np.array([list,list,list])
  print(m.size)

  

1. dtype：返回矩陣元素的數據類型

   int8, int16, int32, int64: 表示不同長度的有符號整數。

   uint8, uint16, uint32, uint64: 表示不同長度的無符號整數。

   float16, float32, float64 (float 是 float64 的簡寫): 表示不同精度的浮點數。

   complex64, complex128 (complex 是 complex128 的簡寫): 表示復數，其中64和128表示復數的實部和虛部的位數。

   bool: 布爾類型，可以存儲True或False。

   str_: 表示定長字符串，可以通過添加數字來指定字符串的長度，如 'S10' 表示長度為10的字符串。

   object: 表示Python對象類型，可以用來存儲任意Python對象。

六.數據升維與reshape()方法

• reshape：將一維數據轉換為多維矩陣，需指定新形狀（如 (4, 4) 將 16 個數據轉為 4 行 4 列）。參數 newshape 可為元組（如 (4, 4)）或使用 -1 自動計算維度（如 reshape(4, -1) 表示 4 行，列數自動推導為 4）。

  list1=[1,2,3,4,1,2,3,4,1,2,3,4,1,2,3,4]
  v=np.array(list1)
  print(v.reshape(4,4))

  

  list1=[1,2,3,4,1,2,3,4,1,2,3,4,1,2,3,4]
  v=np.array(list1)
  print(v.reshape(4,-1))

  

• 三維轉換示例：reshape(1, -1, 2) 將 16 個數據轉為 1×8×2 的三維結構。

  list1=[1,2,3,4,1,2,3,4,1,2,3,4,1,2,3,4]
  v=np.array(list1)
  print(v.reshape(1,-1,2))

  

• resize：調整矩陣大小，可直接修改原始數據到相應的維度，返回值 None。reshape()方法則返回的是修改后的矩陣而原來的矩陣并不會改變

  不返回計算結果，直接修改原始數組

  list1=[1,2,3,4,1,2,3,4,1,2,3,4,1,2,3,4]
  v=np.array(list1)
  r = v.resize(4,4)#直接會修改原始數據到相應的維度
  print(r)
  print(v)
  print(v.ndim)