[Basic Python Library For Data Sci] EP. 1 Numpy

stackpython
3 min readJan 25, 2020

--

ยินดีต้อนรับทุกท่านเข้าสู่บทความเกี่ยวกับการใช้งาน Library พื้นของฐานของ Python นะครับ

โดยในบทความนี้เราจะพูดถึงการใช้งานคำสั่งใน Library และความรู้ที่จำเป็นสำหรับการใช้งาน โดยเริ่มจากว่า Numpy คืออะไรก่อนเลยแล้วกันนะครับ ;D

Numpy คืออะไร?

Numpy คือ Library สำหรับการจัดการและสร้างโครงสร้างข้อมูลประเภท array เพื่อจัดเก็บและเตรียมนำไปใช้ต่อไป

และซึ่งมีความสามารถในทำการคำนวนทางคณิตศาสตร์บางอย่างที่ List ปกติไม่สามารถทำได้โดยกิน memory น้อยกว่าอีกด้วย

ถือว่าเป็น Library พื้นฐานที่ดี สำหรับการพัฒนาโปรเจคทาง Data Sci

ความเข้าใจเกี่ยวกับโครงสร้างข้อมูลประเภท array

array นั้นเปรียบง่ายๆเหมือนกล่องที่เก็บข้อมูลอยู่ข้างใน ซึ่งแต่ละข้อมูลจะมีค่า Index เป็นตัวเลขที่บ่งชี้ตำแหน่งที่อยู่ของข้อมูลนั้นๆ

วันนี้เราจะมาลองสร้าง array โดยใช้ Library Numpy กันนะครับบ

วิธีการเรียกใช้งาน Library Numpy

ขั้นแรกทำการติดตั้งlibrary Numpy ด้วยคำสั่งก่อน

!pip install numpy

จากนั้นทำการเรียกใช้ numpy ในโปรเจคของเรา

import numpy as np

การสร้าง array สำหรับใช้งาน

คำสั่งแรกที่เราจะเรียนกันก็คือ array() เป็นคำสั่งสำหรับสร้าง array โดยเราจะใส่ค่าของข้อมูลที่ต้องการให้อยู่ใน array ในพารามิเตอร์ของฟังชั่น

ทดลองสร้าง array จาก list

หรือถ้าเราอยากสร้าง array โดยไม่ต้องกำหนดค่าที่ละค่าก็มีคำสั่งช่วยสำหรับการสร้างยกตัวอย่างเช่น

เราต้องการสร้าง array ค่า 1 จำนวน 5 ครั้งโดย สามารถทำได้โดยใช้คำสั่ง ones

หรือต้องการสร้าง array ค่า 8 จำนวน 5 ครั้ง

สร้าง array ที่มีค่าเริ่มตั้งแต่ 0 ถึง 5 โดยใช้คำสั่ง arange

ถ้าอยากให้เริ่มจากค่าที่กำหนดไว้ก็ทำได้เช่นเดียวกันโดยเพิ่มพารามิเตอร์อีกตัวเข้าไปในคำสั่ง arange ( ค่าเริ่มต้น , ค่าสุดท้ายที่ต้องการ +1 )

หรือถ้าอยากให้เพิ่มขึ้นมากกว่าทีละหนึ่งก็สามารถทำได้เช่นเดียวกันโดยเพิ่มพารามิเตอร์เข้าไปอีกในคำสั่ง

arange ( ค่าเริ่มต้น , ค่าสุดท้ายที่ต้องการ +1 , ค่าที่เพิ่มขึ้นในแต่ละครั้ง)

  • ลองสร้าง array 2 และ 3 มิติ

เริ่มจากสร้าง array 1 มิติขึ้นมาก่อนโดยจากตัวอย่างทดลองสร้าง array 1 มิติที่เก็บค่าตัวเลขตั้งแต่ 0 ถึง 11

จากนั้นใช้คำสั่ง reshape( จำนวนrows , จำนวนcolumns ) เพื่อแปลงจากarray 1 มิติให้กลายเป็น array 2 มิติ

สำหรับ array 3 มิติก็ทำได้เช่นเดียวกันโดยใช้คำสั่ง reshape แต่จะต้องใส่พารามิเตอร์อีกตัวเพิ่มกำหนดขนาดของแกนสำหรับมิติที่ 3 ในที่นี้กำหนดค่าเป็น 2

  • คำสั่งสำหรับเช็คคุณลักษณะต่างๆของ array ที่สร้างขึ้น

คำสั่งสำหรับเรียกดูคุณลักษณะของ array ที่เราสร้างประกอบด้วยคำสั่งดังนี้

dtype สำหรับดูประเภทของตัวแปรใน array ที่เราสร้างขึ้น

ndim สำหรับเช็ค dimension หรือ มิติของ array

shape สำหรับดูรูปร่างของ array

size สำหรับดูขนาดของ array

ยกตัวอย่างเช่นเราสร้าง array 3 มิติขึ้นมาจากคำสั่งข้างต้น

จากนั้นใช้คำสั่ง dtype , ndim , shape , size

เราจะได้ชนิดของตัวแปรใน array เป็นประเภท int32

เป็น array 3มิติ

ขนาด ( 2 , 3 , 4 )

มี 24 ข้อมูลใน array

ไม่ยากเลยใช่ไหมครับ พื้นฐานสำหรับการใช้ numpy ในการสร้าง array เช็คค่าคุณสมบัติของ array ที่เราสร้างขึ้น

สำหรับในบทความนี้เราจะได้รู้วิธีการติดตั้งและเรียกใช้งาน library การสร้าง array ทั้ง 1 2 และ 3 มิติ ทั้งจาก list และจากการกำหนดช่วงหรือค่าที่ต้องการด้วยคำสั่ง arange รวมถึง การดูขนาด จำนวนมิติ ชนิดตัวแปร ของ array ที่เราสร้างขึ้น

แต่ในความเป็นจริงแล้ว numpy ยังมีคำสั่งอื่นๆอีกมากสำหรับการนำไปใช้ คำสั่งที่ยกตัวอย่างในบทความข้างต้นเป็นเพียงพื้นฐานและเป็นประตูด่านแรกสำหรับ library numpy เท่านั้น ผู้อ่านสามารถศึกษาเพิ่มเติมจาก document ของ library ได้โดยตรงในลิงค์ใต้บทความ

ขอบคุณผู้อ่านทุกท่านนะครับ แล้วเจอกันใหม่ในบทความถัดไป

คิดเห็นอย่างไรติชมได้นะครับ ;D

  • อ้างอิง
  1. https://notebooks.azure.com/sumendar/projects/FoundationOfStatsDSAIML-Python/html/06-NumpyNdArrays/Notebook.ipynb

2. http://cs231n.github.io/python-numpy-tutorial/#numpy

3. https://numpy.org/devdocs/user/quickstart.html

--

--