Numpy 简明教程
NumPy - Data Types
NumPy 支持的数值类型比 Python 所支持的类型多得多。下表显示了 NumPy 中定义的不同标量数据类型。
Sr.No. |
Data Types & Description |
1 |
bool_ 以字节形式存储的是布尔值(真或假) |
2 |
int_ 默认整数类型(与 C long 相同;通常是 int64 或 int32) |
3 |
intc 与 C int 相同(通常是 int32 或 int64) |
4 |
intp 用于索引的整数(与 C ssize_t 相同;通常是 int32 或 int64) |
5 |
int8 Byte (-128 to 127) |
6 |
int16 Integer (-32768 to 32767) |
7 |
int32 Integer (-2147483648 to 2147483647) |
8 |
int64 Integer (-9223372036854775808 to 9223372036854775807) |
9 |
uint8 无符号整数(0 到 255) |
10 |
uint16 无符号整数(0 到 65535) |
11 |
uint32 无符号整数(0 到 4294967295) |
12 |
uint64 无符号整数(0 到 18446744073709551615) |
13 |
float_ Shorthand for float64 |
14 |
float16 半精度浮点数:符号位、5 位指数、10 位尾数 |
15 |
float32 单精度浮点数:符号位、8 位指数、23 位尾数 |
16 |
float64 双精度浮点数:符号位、11 位指数、52 位尾数 |
17 |
complex_ Shorthand for complex128 |
18 |
complex64 复数,由两个 32 位浮点数(实部和虚部组成)表示 |
19 |
complex128 复数,由两个 64 位浮点数(实部和虚部组成)表示 |
NumPy 数值类型是 dtype(数据类型)对象的实例,每个实例具有独特的特征。dtype 可用作 np.bool_、np.float32 等。
Data Type Objects (dtype)
数据类型对象描述了与数组相对应的固定内存块的解读,具体取决于以下几个方面:
-
数据类型(整数、浮点数或 Python 对象)
-
Size of data
-
字节序(小端或大端)
-
如果为结构化类型,则包括字段的名称、每个字段的数据类型以及每个字段占据的内存块部分。
-
如果数据类型是子数组,则包括其形状和数据类型
通过在数据类型前面添加'<'或'>'来确定字节顺序。'<'表示编码是小端序(最小重要位存储在最小地址)。'>'表示编码是大端序(最大重要位存储在最小地址)。
dtype对象使用以下语法构造 -
numpy.dtype(object, align, copy)
参数是 -
-
Object - 转换为数据类型对象
-
Align - 如果为真,为字段添加填充以使其类似于C结构
-
Copy - 创建dtype对象的新副本。如果为假,结果是对内置数据类型对象的引用
Example 1
# using array-scalar type
import numpy as np
dt = np.dtype(np.int32)
print dt
输出如下 −
int32
Example 2
#int8, int16, int32, int64 can be replaced by equivalent string 'i1', 'i2','i4', etc.
import numpy as np
dt = np.dtype('i4')
print dt
输出如下 −
int32
Example 3
# using endian notation
import numpy as np
dt = np.dtype('>i4')
print dt
输出如下 −
>i4
以下示例显示结构化数据类型的使用。此处,应声明字段名称和相应标量数据类型。
Example 4
# first create structured data type
import numpy as np
dt = np.dtype([('age',np.int8)])
print dt
输出如下 −
[('age', 'i1')]
Example 5
# now apply it to ndarray object
import numpy as np
dt = np.dtype([('age',np.int8)])
a = np.array([(10,),(20,),(30,)], dtype = dt)
print a
输出如下 −
[(10,) (20,) (30,)]
Example 6
# file name can be used to access content of age column
import numpy as np
dt = np.dtype([('age',np.int8)])
a = np.array([(10,),(20,),(30,)], dtype = dt)
print a['age']
输出如下 −
[10 20 30]
Example 7
以下示例定义一个名为 student 的结构化数据类型,该数据类型具有字符串字段’name',一个 integer field 'age’和一个 float field 'marks'。此dtype应用于ndarray对象。
import numpy as np
student = np.dtype([('name','S20'), ('age', 'i1'), ('marks', 'f4')])
print student
输出如下 −
[('name', 'S20'), ('age', 'i1'), ('marks', '<f4')])
Example 8
import numpy as np
student = np.dtype([('name','S20'), ('age', 'i1'), ('marks', 'f4')])
a = np.array([('abc', 21, 50),('xyz', 18, 75)], dtype = student)
print a
输出如下 −
[('abc', 21, 50.0), ('xyz', 18, 75.0)]
每个内置数据类型都具有唯一标识它的字符代码。
-
'b' − boolean
-
'i' − (signed) integer
-
'u' − unsigned integer
-
'f' − floating-point
-
'c' − complex-floating point
-
'm' − timedelta
-
'M' − datetime
-
'O' − (Python) objects
-
'S', 'a' − (byte-)string
-
'U' − Unicode
-
'V' - 原始数据(void)