資料科學 IPython 筆記本 9.2 NumPy 簡介
9.2 NumPy 簡介
本節是《Python 資料科學手冊》（Python Data Science Handbook）的摘錄。
譯者：飛龍
本章以及第三章概述了在 Python 中有效載入，儲存和操作記憶體資料的技術。
主題非常廣泛：資料集可能來源於廣泛的來源和各種格式，包括文件集合，影象集合，聲音片段集合，數值測量集合或幾乎任何其他內容。儘管存在這種明顯的異質性，但它將幫助我們從根本上將所有資料視為數字陣列。
例如，影象 - 特別是數字影象 - 可以看做簡單的二維數字陣列，表示整個區域的畫素亮度。聲音片段可以看做是強度與時間的一維陣列。文字可以以各種方式轉換為數字表示，可能是表示某些單詞或單詞對的頻率的二元數字。
無論資料是什麼，使其可分析的第一步是將它們轉換為數字陣列（稍後我們將在特徵工程中討論此過程的一些具體示例）。因此，數值陣列的有效儲存和操作，對於資料科學的過程來說絕對是基礎。
我們現在來看看 Python 用於處理這種數值陣列的專用工具：NumPy 包和 Pandas 包（在第三章中討論）。
本章將詳細介紹 NumPy。 NumPy（Numerical Python 的縮寫）提供了一個有效的介面，來儲存和操作密集資料緩衝區。在某些方面，NumPy 陣列類似於 Python 的內建list型別，但隨著陣列的大小增大，NumPy 陣列提供了更高效的儲存和資料操作。
NumPy 陣列構成了 Python 中幾乎整個資料科學工具生態系統的核心，因此無論你對資料科學的哪些方面感興趣，學習有效使用 NumPy 都是值得的。
如果你按照前言中列出的建議並安裝了 Anaconda 技術棧，那麼你已經安裝了 NumPy 並準備好了。如果你更喜歡自己動手，可以訪問 http://www.numpy.org/ 並按照其中的安裝說明進行操作。
完成後，你可以匯入 NumPy 並仔細檢查版本：
import numpy
numpy.__version__
# '1.11.1'
對於這裡討論的軟體包，我建議使用 NumPy 1.8 或更高版本。
照慣例，你會發現 SciPy/PyData 世界中的大多數人都會使用np作為別名來匯入 NumPy：
import numpy as np
在本章以及本書的其餘部分中，你會發現這是我們匯入和使用 NumPy 的方式。
關於內建文件的提醒
在閱讀本章時，不要忘記 IPython 使你能夠快速瀏覽包的內容（通過使用製表符補全功能），以及各種函式的文件（使用?字元 - 請參閱 IPython 中的幫助和文件）。
例如，要顯示numpy名稱空間的所有內容，可以鍵入：
In [3]: np.<TAB>
要顯示 NumPy 的內建文件，你可以使用：
In [4]: np?
更詳細的文件以及教程和其他資源，請訪問 http://www.numpy.org。