Github連結

嗨嗨，如果覺得圖片不清楚，都可以直接參考我的Github喔


攝影師：Aleksey Kuprikov，連結：Pexels



2.0章 NumPy介紹

重要觀念：無論哪種數據類型，要使它變成可分析，第一步就是將他們轉換為數值


1.如何使各類型的數據轉換成可分析的數據集？數據處理的第一步是什麼？

  • 背景：數據集的來源可能非常不同，而不同的來源，可能擁有非常不同的格式，像是文檔、圖像、聲音片段、數值測量等等，這些數據的異質性相當高
  • 方法：將所有的數據抽象成為數值組成的數組，就能對數據集進行分析
  • 舉例:

1.數字圖片，可以被轉為簡單的二維數組

2.聲音片段，可以被轉為一維數組，包括著時間範圍內聲音強度的數值

3.文本，可以使用二進制數字來代表某個單詞或短語的出現頻率


2. NumPy是什麼？

  • 說明：Numerical Python(數值Python)的縮寫，它提供了強大的接口，讓我們存儲和操作密集的數據緩衝區（dense data buffers）
  • Python關聯：NumPy的數組像是Python內建的列表（list）型態，但是NumPy數組在儲存和操作大量數據時，提供了比Python本身更好的效能
  • 重要性：NumPy數組接近是整個Python數據科學領域工具鏈的核心，許多我們所使用的數據分析與處理套件都是以它為基礎構建的


3. 查看已安裝的NumPy版本

import numpy as np
np.__version__

執行結果

'1.18.1'


4. 提醒 - 內建幫助文檔

  • 使用?: 查看所有文檔
np?
  • 使用<Tab>鍵：查看所有的屬性方法
np.<Tab>



2.1章 理解Python中的數據類型與運作原理


1. 程式語言的動態與靜態類型

  • 靜態類型的語言：每個變數都要明確的宣告，如C、Java
  • 動態類型的語言：沒有[每個變數都要明確宣告]的規定，變數類型可以進行動態轉換（ex. Int <-> Str），如Python，這也是為什麼Python具有易用性的重要原因

舉例：在C中，我們會將for迴圈宣告成如下：

int total = 0
for(int i = 0; i < 100; i++){
  total +=i
}

而在Python中，我們如果寫一樣的程式

total = 0
for i in range(1000):
  total += i

重要觀察與觀念釐清：從Python和C上面的範例可以看出差別，在C中每個變數都要明確宣告類型（ex. int），而在Python中的類型卻是動態去推斷的，這代表著在Python中我們可以給任何變數賦予任何數據類型的值，像是：

## Python
x = 6
x = "七"
x = "seven"

重要觀念：

在Python的例子中，我們先將變數X賦予整數值，然後又再賦予字串類型的值，變數X會自動從整數轉換成字串類型，但這在C中，可能會導致報出一個編譯錯誤或其他無法預料的錯誤資訊（取決於哪種編譯器的使用）

/*C */
int x = 7
x = "seven" //會報錯


2. 動態類型語言 - Python - 易用性背後需要付出的代價

Python擁有數據類型自動轉換的靈活性，但也因為這個特性，Python必須得付出額外的儲存空間代價，Python中的變數不僅僅存儲數據本身，還需要存儲其變數相應的數據類型


3. Python中的整數不僅僅是個整數 - 整數的架構

重要觀念：

  • 標準的Pythªª列表裡面的每個元素都是一個完整的Python物件(object)
  • 推論與解決方法： 1.如果在所有的元素都是同種類型的情況下，就表示列表裡面絕大部分的資訊都是多餘的 2.所以如果我們將數據存儲在一個固定類型的數組中，顯然會更加高效 - NumPy就是固定類型的數組
  • 圖片：比較了動態類型的列表（Python List）與固定類型的列表（NumPy Array）



圖片來源：引用書本

  • 圖片說明：
  1. NumPy Array: 從實作層（implementation level）來看，數組僅僅包含了一個指針指向一個連續的內å21834-eb16-479b-b023-9ac85dadcb69.png" loading="lazy">



    6. Python的固定類型數組 - Fixed-Type Arrays

    Python中提供了相當多樣的選項，讓我們可以高效地存儲數據 - 固定類型數組


    Python中內建的array套件 - 用來創建全部元素都為同一類型的數組

    import array
x = list(range(10))
## i 代表整數類型
a = array.array('i', x)
print(a)
## f 代表浮點數類型
b = array.array('f', x)
print(b)

    執行結果

    array('i', [0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
array('f', [0.0, 1.0, 2.0, 3.0, 4.0, 5.0, 6.0, 7.0, 8.0, 9.0])
    • 程式碼中的"i"代表著指定數據類型為整數，而"f"代表指定為浮點數類型的數據



    NumPy Array - ndarray套件

    導入NumPy套件

    import numpy as np


    範例一：使用np.array將Python列表轉變成數組

    import numpy as np
np.array([1,4,66,58])

    執行結果

    array([ 1, 4, 66, 58])

    重要提醒：NumPy數組與Python列表不同，它只能包含一種數據類型喔


    範例二：如果列表中其中一筆數據元素為浮點數類型，NumPy會試著向上擴展類型（下面的程式碼中將會將整數向上擴展為浮點數）

    import numpy as np
np.array([6.68,7,9,9])

    執行結果

    array([6.68, 7. , 9. , 9. ])


    範例三：如果需要明確指定數據的類型，就需要使用drype參數

    impo„元素的值保留為原有的內存空間值
    np.eye(6)
														  
    執行結果
    array([[1., 0., 0., 0., 0., 0.],
   [0., 1., 0., 0., 0., 0.],
   [0., 0., 1., 0., 0., 0.],
   [0., 0., 0., 1., 0., 0.],
   [0., 0., 0., 0., 1., 0.],
   [0., 0., 0., 0., 0., 1.]])
														  

    範例十: empty用法 - 創建一個為初始化的數組，數組元素的值，數組元素的值保留為原有的內存空間數值
    np.empty(6)
														  
    執行結果
    array([1., 1., 1., 1., 1., 1.])
														  


    8.NumPy中可以指定的標準數據類型
    • 由於NumPy數組只能包含一種數據類型，所以他的類型系統和Python並不同，因為對於每一種NumPy類型，它都需要包含著更詳細的類型資訊和限制
    • NumPy是由C建構的，所以它的類型系統與C、Fortran一樣
    • 指定數據類型的兩種寫法

    使用'(類型)'
    np.zeros(10, dtype = 'int32')
														  
    執行結果
    array([0, 0, 0, 0, 0, 0, 0, 0, 0, 0])
														  

    或是np.(類型
    np.zeros(10, dtype = np.int32)
														  
    執行結果
    array([0, 0, 0, 0, 0, 0, 0, 0, 0, 0])
														  

    • 類型圖表