摘要：在下面的例子中，我們創建了一個二維數組并插入了兩列輸出如果沒有使用參數，則會輸出這就是數組結構的扁平化。下面的例子中我們從二維數組中刪除了一行輸出在方法中，首先給出數組，然后給出要刪除的元素的索引。數組被傳遞給函數。

NumPy 是一個Python 庫，用于 Python 編程中的科學計算。在本教程中，你將學習如何在 NumPy 數組上以多種方式添加、刪除、排序和操作元素。

NumPy 提供了一個多維數組對象和其他派生數組，例如掩碼數組和掩碼多維數組。

NumPy 提供了一個 ndarray 對象，可以使用它來對任何維度的數組進行操作。 ndarray 代表 N 維數組，其中 N 是任意數字。這意味著 NumPy 數組可以是任何維度的。

與 Python 的 List 相比，NumPy 具有許多優勢。我們可以在 NumPy 陣列上執行高性能操作，例如：

對數組成員進行排序

數學和邏輯運算

輸入/輸出功能

統計和線性代數運算

要安裝NumPy，你的電腦上要先有 Python 和 Pip。

在終端中運行以下命令：

pip install numpy

然后你就可以在腳本中導入 NumPy 了，如下所示：

import numpy

可以用 NumPy 模塊的 append() 方法向 NumPy 數組中添加元素。

append() 的語法如下：

numpy.append(array, value, axis)

value 會被追加到在數組的末尾，并返回一個包含所有元素的 ndarray。

參數 axis 是一個可選的整數，用于定義數組的顯示方式。如果沒有指定，則數組結構將展平，稍后會演示用法。

以下示例，其中首先聲明數組，然后用 append 方法向數組添加更多的值：

import numpy
a = numpy.array([1, 2, 3])
newArray = numpy.append (a, [10, 11, 12])
print(newArray)
# 輸出：[ 1  2  3 10 11 12]

也可以用NumPy 的 append() 方法插入一列。

在下面的例子中，我們創建了一個二維數組并插入了兩列：

import numpy

a = numpy.array([[1, 2, 3], [4, 5, 6]]) 
b = numpy.array([[400], [800]])
newArray = numpy.append(a, b, axis = 1)
print(newArray)

"""
輸出：
[[  1   2   3 400]
 [  4   5   6 800]]
"""

如果沒有使用 axis 參數，則會輸出：

[  1   2   3   4   5   6 400 800]

這就是數組結構的扁平化。

在 NumPy 中，還可以用 insert() 方法插入元素或列。 兩者之間的區別在于 insert() 方法可以指定要在哪個索引處添加元素，但 append() 方法會在數組的末尾添加一個值。

Consider the example below:
考慮以下示例：

import numpy
a = numpy.array([1, 2, 3])
newArray = numpy.insert(a, 1, 90) 
print(newArray)
# 輸出：[ 1 90  2  3]

這里 insert() 方法在索引1處添加元素。在Python中數組索引從0開始。

也可以用 append() 方法向數組添加行，就像在數組中附加元素一樣簡單：

import numpy
a = numpy.array([[1, 2, 3], [4, 5, 6]])
newArray = numpy.append(a, [[50, 60, 70]], axis = 0)
print(newArray)
"""
輸出“
[[ 1  2  3]
 [ 4  5  6]
 [50 60 70]]
"""

可以用 NumPy 模塊的 delete() 方法刪除 NumPy 數組元素：

import numpy 
a = numpy.array([1, 2, 3]) 
newArray = numpy.delete(a, 1, axis = 0) 
print(newArray)
# 輸出：[1 3]

在本例子中，我們有一個一維數組，用 delete() 方法從數組中刪除了索引 1 處的元素。

同樣，你也可以用 delete() 方法刪除行。

下面的例子中我們從二維數組中刪除了一行：

import numpy 
a = numpy.array([[1, 2, 3], [4, 5, 6], [10, 20, 30]]) 
newArray = numpy.delete(a, 1, axis = 0)
print(newArray)
"""
輸出：
[[ 1  2  3]
 [10 20 30]]
"""

在 delete() 方法中，首先給出數組，然后給出要刪除的元素的索引。在上例中，我們刪除了索引為 1 的元素。

可以用 size 方法返回數組中元素的總數。

在下面的例子中有一個 if 語句，通過 ndarray.size 檢查數組中是否有元素，其中 ndarray 可以是任何給定的 NumPy 數組：

import numpy

a = numpy.array([1, 2, 3]) 
if(a.size == 0): 
    print("The given Array is empty") 
else: 
    print("The array = ", a)
# 輸出：The array =  [1 2 3]

在上面的代碼中，數組中有三個元素，因此它不是空的，判斷條件將返回false。如果數組中沒有元素，則 if 條件會變為 true 并且將打印空消息。如果數組等于：

a = numpy.array([])

上述代碼將會輸出：

The given Array is empty

要查找值對應的索引，可以用 NumPy 模塊的 where() 方法，如下例所示：

import numpy
a = numpy.array([1, 2, 3, 4, 5])
print("5 is found at index: ", numpy.where(a == 5))
# 輸出：5 is found at index:  (array([4]),)

如果你只想得到索引，可以這樣寫：

import numpy

a = numpy.array([1, 2, 3, 4, 5]) 
index = numpy.where(a == 5)
print("5 is found at index: ", index[0])
#輸出： 5 is found at index:  [4]

數組切片是從給定數組中提取子集的過程。你可以用冒號（ : ）運算符對數組進行切片，并指定數組索引的開始和結束位置，例如：

array[from:to]

下面的例子中提取從索引 2 到索引 5 的元素：

import numpy
a = numpy.array([1, 2, 3, 4, 5, 6, 7, 8])
print("A subset of array a = ", a[2:5])
# 輸出：A subset of array a =  [3 4 5]

如果想要提取最后三個元素，可以通過用負切片來完成操作，如下所示：

import numpy
a = numpy.array([1, 2, 3, 4, 5, 6, 7, 8])
print("A subset of array a = ", a[-3:])
# 輸出：A subset of array a =  [6 7 8]

在下面的例子中，我們將創建一個 lambda 函數，并傳入一個數組，以其應用于所有元素：

import numpy
addition = lambda x: x + 2
a = numpy.array([1, 2, 3, 4, 5, 6])
print("Array after addition function: ", addition(a))
# 輸出：Array after addition function:  [3 4 5 6 7 8] 

在此例中，創建了一個 lambda 函數，它使每個元素都遞增 2。

要得到 NumPy 數組的長度，可以用 size 屬性，如下所示：

import numpy 
a = numpy.array([1, 2, 3, 4, 5, 6]) 
print("The size of array = ", a.size)
# 輸出：The size of array =  6

假設你有一個列表：

l = [1, 2, 3, 4, 5]

現在要根據這個列表創建一個數組，可以用 NumPy 模塊的 array() 方法：

import numpy 
l = [1, 2, 3, 4, 5] 
a = numpy.array(l) 
print("The NumPy array from Python list = ", a)
# 輸出：The NumPy array from Python list =  [1 2 3 4 5]

同樣，使用 array() 方法，也可以從元組創建 NumPy 數組。如下所示：

import numpy
t = (1, 2, 3, 4, 5) 
a = numpy.array(t) 
print("The NumPy array from Python Tuple = ", a)
# 輸出：The NumPy array from Python Tuple =  [1 2 3 4 5]

要將數組轉換為list，可以使用 NumPy 模塊的 tolist()方法。

import numpy 
a = numpy.array([1, 2, 3, 4, 5]) 
print("Array to list = ", a.tolist())
# 輸出：Array to list =  [1, 2, 3, 4, 5]

在這段代碼中，我們簡單地調用了 tolist() 方法，該方法將數組轉換為列表。然后將新創建的列表打印到輸出屏幕。

要將數組導出為 CSV 文件，可以用 NumPy 模塊的 savetxt() 方法，如下所示：

import numpy 
a = numpy.array([1, 2, 3, 4, 5]) 
numpy.savetxt("myArray.csv", a)

此代碼將在 Python 代碼文件所在路徑下生成 CSV 文件。當然你也可以指定路徑。

該文件的內容如下：

1.000000000000000000e+00
2.000000000000000000e+00
3.000000000000000000e+00
4.000000000000000000e+00
5.000000000000000000e+00

你可以把額外填充的零刪除，如下所示：

numpy.savetxt("myArray.csv", a,fmt="%.2f")

可以用 NumPy 模塊的 sort() 方法對 NumPy 數組進行排序：

sort() 函數有一個可選參數 axis（整數），默認為 -1。axis 指定我們要對數組進行排序的軸。 -1 表示將根據最后一個軸對數組進行排序。

import numpy 
a = numpy.array([16, 3, 2, 6, 8, 10, 1]) 
print("Sorted array = ", numpy.sort(a))
# 輸出：Sorted array =  [ 1  2  3  6  8 10 16]

在這個例子中，我們在 print 語句中調用了 sort() 方法。數組 a 被傳遞給 sort 函數。

歸一化數組是指將數組的值置于某個定義范圍的過程。例如，我們想要在 -1 和 1 之間對數組進行歸一化，依此類推。

歸一化的公式如下：

x = (x – xmin) / (xmax – xmin)

現在把這個公式用于我們的數組。要查找數組中的最大和最小項，可以分別用 NumPy 的 max() 和 min() 方法。

import numpy 
x= numpy.array([400, 800, 200, 700, 1000, 2000, 300]) 
xmax = x.max() 
xmin = x.min() 
x = (x - xmin)/(xmax - xmin) 
print("After normalization array x = 
", x)
"""
輸出：
After normalization array x =
 [0.11111111 0.33333333 0.         0.27777778 0.44444444 1.
 0.05555556]
"""

索引指向數組中的一個元素。在下面的例子中，分別用到了一維和二維數組中的索引：

import numpy 
a = numpy.array([20, 13, 42, 86, 81, 9, 11]) 
print("Element at index 3 = ", a[3])
# 輸出：Element at index 3 =  86

下面是二維數組：

import numpy 
a = numpy.array([[20, 13, 42], [86, 81, 9]]) 
print("Element at index a[1][2] = ", a[1][2])
# 輸出：Element at index a[1][2] =  9

索引 [1][2] 表示第二行和第三列（索引從 0 開始）。因此在屏幕上輸出 9 。

可以用 append() 方法將 NumPy 數組附加到另??一個 NumPy 數組上。

import numpy 
a = numpy.array([1, 2, 3, 4, 5]) 
b = numpy.array([10, 20, 30, 40, 50]) 
newArray = numpy.append(a, b) 
print("The new array = ", newArray)
# 輸出：The new array =  [ 1  2  3  4  5 10 20 30 40 50]

在此例中，創建兩個 NumPy 數組 a， b 。然后把兩個數組傳給 append()。當數組 b 作為第二個參數傳遞時，將被添加到數組 a 的末尾。

正如大家所見，NumPy 數組用起來非常簡單。在使用很多機器學習庫時，NumPy 數組非常重要。可以說NumPy 是人工智能的大門。