實驗一、數據處理之Numpy
一、實驗目的
1. 了解numpy庫的基本功能
2. 掌握Numpy庫的對數組的操作與運算
二、實驗工具：
1. Anaconda
2. Numpy
三、Numpy簡介
Numpy 的英文全稱為 Numerical Python，指Python 面向數值計算的第三方庫。Numpy 的特點在於，針對 Python 內建的數組類型做了擴充，支持更高維度的數組和矩陣運算，以及更豐富的數學函數。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。
NumPy（Numeric Python）提供了許多高級的數值編程工具，如：矩陣數據類型、矢量處理，以及精密的運算庫。專為進行嚴格的數字處理而產生。多為很多大型金融公司使用，以及核心的科學計算組織如：Lawrence Livermore，NASA用其處理一些本來使用C++，Fortran或Matlab等所做的任務。
Numpy包括了：1、一個強大的N維數組對象Array；2、比較成熟的（廣播）函數庫；3、用於整合C/C++和Fortran代碼的工具包；4、實用的線性代數、傅里葉變換和隨機數生成函數。Numpy和稀疏矩陣運算包scipy配合使用更加方便。
四、實驗內容
1. 數組的創建（創建全0數組，全1數組，隨機數數組）
全零數組
全一數組
隨機數組
2. 數組的屬性（查看數組的維度，數組元素的個數）
3. 數組的維度操作（將數組的行變列，返回最后一個元素，返回第2到第4個元素，返回逆序的數組）
4. 數組的合並（數組的水平合並，垂直合並，深度合並）
5. 數組的拆分（數組的水平拆分，垂直拆分，深度拆分）
6. 數組運算（與常的四則運算，與數組的四則運算，判斷數組是否相等）
7. 數組的常用函數（數組所有元素的和、積、平均值、最大值、最小值、元素替換、方差、標准差）
五、實驗總結（寫出本次實驗的收獲，遇到的問題等）
通過本次實驗，對Numpy進行了簡單的回顧練習，包括數組的創建，相關屬性的熟悉。了解了數組維度快捷操作的方法以及合並操作對應的函數。
之前線性代數的學習中，並未接觸合並的概念，不過通過實例還是比較好理解的，深度合並很有意思。對數組深度掌握不夠，還要加強數學知識的學習。