NumPy 資料型別

2021-08-27 07:58:39 字數 2923 閱讀 3524

numpy 支援比 python 更多種類的數值型別。 下表顯示了 numpy 中定義的不同標量資料型別。

序號資料型別及描述

1.bool_儲存為乙個位元組的布林值(真或假)

2.int_預設整數,相當於 c 的long,通常為int32或int64

3.intc相當於 c 的int,通常為int32或int64

4.intp用於索引的整數,相當於 c 的size_t,通常為int32或int64

5.int8位元組(-128 ~ 127)

6.int1616 位整數(-32768 ~ 32767)

7.int3232 位整數(-2147483648 ~ 2147483647)

8.int6464 位整數(-9223372036854775808 ~ 9223372036854775807)

9.uint88 位無符號整數(0 ~ 255)

10.uint1616 位無符號整數(0 ~ 65535)

11.uint3232 位無符號整數(0 ~ 4294967295)

12.uint6464 位無符號整數(0 ~ 18446744073709551615)

13.float_float64的簡寫

14.float16半精度浮點:符號位,5 位指數,10 位尾數

15.float32單精度浮點:符號位,8 位指數,23 位尾數

16.float64雙精度浮點:符號位,11 位指數,52 位尾數

17.complex_complex128的簡寫

18.complex64複數,由兩個 32 位浮點表示(實部和虛部)

19.complex128複數,由兩個 64 位浮點表示(實部和虛部)

numpy 數字型別是dtype(資料型別)物件的例項,每個物件具有唯一的特徵。 這些型別可以是np.bool_,np.float32等。

資料型別物件 (dtype)

資料型別物件描述了對應於陣列的固定記憶體塊的解釋,取決於以下方面:

位元組順序取決於資料型別的字首《或》。《意味著編碼是小端(最小有效位元組儲存在最小位址中)。>意味著編碼是大端(最大有效位元組儲存在最小位址中)。

dtype可由一下語法構造:

numpy.dtype(object, align, copy)

引數為:

示例 1

# 使用陣列標量型別  

import numpy as np

dt = np.dtype(np.int32)

print dt

輸出如下:

int32

示例 2

#int8,int16,int32,int64 可替換為等價的字串 'i1','i2','i4',以及其他。  

import numpy as np

dt = np.dtype('i4')

print dt

輸出如下:

int32

示例 3

# 使用端記號  

import numpy as np

dt = np.dtype('>i4')

print dt

輸出如下:

>i4

示例 4

# 首先建立結構化資料型別。  

import numpy as np

dt = np.dtype([('age',np.int8)])

print dt

輸出如下:

[('age', 'i1')]

示例 5

# 現在將其應用於 ndarray 物件  

import numpy as np

dt = np.dtype([('age',np.int8)])

a = np.array([(10,),(20,),(30,)], dtype = dt)

print a

輸出如下:

[(10,) (20,) (30,)]

示例 6

# 檔名稱可用於訪問 age 列的內容  

import numpy as np

dt = np.dtype([('age',np.int8)])

a = np.array([(10,),(20,),(30,)], dtype = dt)

print a['age']

輸出如下:

[10 20 30]

示例 7

以下示例定義名為student的結構化資料型別,其中包含字串欄位name,整數字段age和浮點字段marks。 此dtype應用於ndarray物件。

import numpy as np 

student = np.dtype([('name','s20'), ('age', 'i1'), ('marks', 'f4')])

print student

輸出如下:

[('name', 's20'), ('age', 'i1'), ('marks', '示例 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

輸出如下:

[('abc', 21, 50.0), ('xyz', 18, 75.0)]

每個內建型別都有乙個唯一定義它的字元**:

NumPy 資料型別

numpy提供的數值型別,數值範圍比python提供的數值型別更大。numpy的數值型別,如下表所示 sn資料型別描述1 bool 布林值,取值ture false,占用乙個位元組 2int 是integer的預設型別。與c語言中的long型別相同,有可能是64位或32位。3intc 類似於c語言中...

Numpy資料型別

numpy是python的一種開源的數值計算擴充套件,是一些針對矩陣進行運算的模組。1.numpy介紹 2.numpy 學習筆記 3.python中的list和array的不同之處 4.python列表 numpy陣列與矩陣的區別 1.python中的list和np.array的不同之處 numpy...

Numpy資料型別

構造語法 numpy.dtype object,align,copy object 被轉換為資料型別的物件 align 如果為true,則向字段新增間隔,使其類似c的結構體 copy 生成dtype物件的新副本,如果為flase,結果是內建資料型別物件的引用。檢視ndarray的資料型別 dtype...