Numpy 使用教程 1

如果你使用 python 語言進行科學計算，那麼一定會接觸到 numpy。numpy 是支援 python 語言的數值計算擴充庫，其擁有強大的多維陣列處理與矩陣運算能力。除此之外，numpy 還內建了大量的函式，方便你快速構建數學模型。

本課程難度為一般，屬於初級級別課程，適合具有 python 基礎，並對使用 numpy 進行科學計算感興趣的使用者。

numpy 的英文全稱為 numerical python，意味 python 面向數值計算的第三方庫。numpy 的特點在於，針對 python 內建的陣列型別做了擴充，支援更高維度的陣列和矩陣運算，以及更豐富的數學函式。

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。當你在單獨安裝這些庫時，你會發現同時會安裝 numpy 作為依賴。

sudo pip install numpy

windows 使用者只需要開啟系統命令行工具，輸入pip install numpy即可。當然，ubuntu & debian 使用者還可以用 apt-get 安裝：

sudo apt-get install python-numpy

python 本身支援的數值型別有int（整型，python2 中存在 long 長整型）、float（浮點型）、bool（布林型）和complex（複數型）。

而 numpy 支援比 python 本身更為豐富的數值型別，細分如下：

bool：布林型別，1 個位元組，值為 true 或 false。

int：整數型別，通常為 int64 或 int32 。

intc：與 c 裡的 int 相同，通常為 int32 或 int64。

intp：用於索引，通常為 int32 或 int64。

int8：位元組（從 -128 到 127）

int16：整數（從 -32768 到 32767）

int32：整數（從 -2147483648 到 2147483647）

int64：整數（從 -9223372036854775808 到 9223372036854775807）

uint8：無符號整數（從 0 到 255）

uint16：無符號整數（從 0 到 65535）

uint32：無符號整數（從 0 到 4294967295）

uint64：無符號整數（從 0 到 18446744073709551615）

float：float64 的簡寫。

float16：半精度浮點，5 位指數，10 位尾數

float32：單精度浮點，8 位指數，23 位尾數

float64：雙精度浮點，11 位指數，52 位尾數

complex：complex128 的簡寫。

complex64：複數，由兩個 32 位浮點表示。

complex128：複數，由兩個 64 位浮點表示。

在 numpy 中，上面提到的這些數值型別都被歸於dtype（data-type）物件的例項。

我們可以用numpy.dtype(object, align, copy)來指定數值型別。而在陣列裡面，可以用dtype=引數。

import numpy as np
a = np.array([1.1, 2.2, 3.3], dtype=np.float64) # 指定 1 維陣列的數值型別為 float64

另外，你可以使用 .astype() 方法在不同的數值型別之間相互轉換。

a.astype(int) # 將 a 的數值型別從 float64 轉換為 int

最後，你可以使用 .dtype 來檢視 dtype 屬性。

a.dtype # 檢視 a 的數值型別

了解並陣列 numpy 支援的數值型別至關重要，因為 dtype 引數幾乎延伸到了 numpy 中所有與多維陣列相關的方法中去。