PythonNumPy基礎知識備忘單
NumPy陣列的快速參考指南。學習數組創建、重塑、索引、切片和數學運算。
陣列創建和檢查
初始化 numpy 陣列和提取形狀特徵的方法。
| 方法/功能 | 文法 | 描述 |
|---|---|---|
| np.array() | np.array(list) | 從清單建立同構多維 ndarray。 |
| np.arange() | np.arange(start, stop, step) | 建立具有給定範圍內均勻間隔值的陣列。 |
| np.linspace() | np.linspace(start, stop, num) | 建立具有指定間隔內 num 個均勻間隔值的陣列。 |
| np.zeros() / np.ones() | np.zeros(shape) / np.ones(shape) | 初始化以指定形狀填入零或一的陣列。 |
| shape / dtype | arr.shape / arr.dtype | 傳回數組維度和元素類型的屬性。 |
數組操作和數學
更改數組佈局和執行數學聚合的例程。
| 方法/功能 | 文法 | 描述 |
|---|---|---|
| reshape() | arr.reshape(new_shape) | 為數組提供新的形狀而不更改其資料。 |
| arr.T | arr.T | 轉置屬性。反轉數組的軸。 |
| np.concatenate() | np.concatenate((a1, a2), axis=0) | 沿現有軸連接一系列數組。 |
| mean() / std() | arr.mean() / arr.std() | 計算算術平均值和標準差。 |
| sum() / dot() | arr.sum() / np.dot(a, b) | 對元素求和，或計算點積矩陣乘法。 |
互動式簡報腳本
run_all_cheat_methods.py
在編輯器中執行# np.array()
np.array(list)
# np.arange()
np.arange(start, stop, step)
# np.linspace()
np.linspace(start, stop, num)
# np.zeros() / np.ones()
np.zeros(shape) / np.ones(shape)
# shape / dtype
arr.shape / arr.dtype
# reshape()
arr.reshape(new_shape)
# arr.T
arr.T
# np.concatenate()
np.concatenate((a1, a2), axis=0)
# mean() / std()
arr.mean() / arr.std()
# sum() / dot()
arr.sum() / np.dot(a, b)常見問題解答
為什麼要使用NumPy陣列而不是標準 Python 清單？
NumPy陣列儲存在連續的記憶體區塊中，這使得它們的數值計算速度明顯更快且記憶體效率更高。
NumPy中正在廣播什麼？
廣播允許對不同形狀的陣列執行算術運算，自動擴展較小的陣列以匹配較大數組的形狀。
相關主題
推薦的 Python 資源
透過相關的互動式教學、備忘單和程式碼比較來擴展您的知識。