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...