外觀
Data Science › Python Foundations › NumPy
NumPy
NumPy 的 ndarray 是 Python 數值計算的共同底層:pandas、scikit-learn、SciPy、PyTorch 都吃它或模仿它的介面。多數錯誤來自 shape / axis / dtype 沒對齊,而不是公式寫錯。
建議順序:array 基礎 → 向量化與 reshape → 隨機與統計 → 線性代數
| 筆記 | 內容 | 回答的問題 |
|---|---|---|
| Array 基礎 | shape / ndim / dtype、建立 array、索引與切片、view vs copy | 這個 array 長什麼樣?切片後改值會不會改到原本的? |
| 向量化與 Reshape | element-wise 運算、broadcasting、布林遮罩、reshape / transpose / concatenate / stack / split | 怎麼不用迴圈一次算整批?維度對不上怎麼辦? |
| 隨機與統計 | default_rng 抽樣、描述統計、分位數、z-score、轉換 | 怎麼做可重現的模擬?array 的摘要統計怎麼算? |
| 線性代數 | @、solve、lstsq、inv、eig / eigh、svd | 矩陣運算與解方程式怎麼寫才穩定? |
| 相關 | 連結 |
|---|---|
| 表格資料(有欄名、index) | pandas |
| 機率分配與檢定 | scipy.stats 速查 |
| 迴圈太慢、要編譯 | Efficient Python(Numba) |
| 稠密 / 稀疏矩陣的實際應用 | PCA |