numpy資料型別

2022-08-24 08:39:13 字數 2140 閱讀 3468

bool_    布林型資料型別(true 或者 false)

int_ 預設的整數型別(類似於 c 語言中的

long

,int32 或 int64)

intc 與 c 的

int 型別一樣,一般是 int32 或 int

64intp 用於索引的整數型別(類似於 c 的 ssize_t,一般情況下仍然是 int32 或 int64)

int8 位元組(-128 to 127

)int16 整數(-32768 to 32767

)int32 整數(-2147483648 to 2147483647

)int64 整數(-9223372036854775808 to 9223372036854775807

)uint8 無符號整數(

0 to 255

)uint16 無符號整數(

0 to 65535

)uint32 無符號整數(

0 to 4294967295

)uint64 無符號整數(

0 to 18446744073709551615

)float_ float64 型別的簡寫

float16 半精度浮點數,包括:

1 個符號位,5 個指數字,10

個尾數字

float32 單精度浮點數,包括:

1 個符號位,8 個指數字,23

個尾數字

float64 雙精度浮點數,包括:

1 個符號位,11 個指數字,52

個尾數字

complex_ complex128 型別的簡寫,即

128位複數

complex64 複數,表示雙

32位浮點數(實數部分和虛數部分)

complex128 複數,表示雙

64 位浮點數(實數部分和虛數部分)

dtype 物件是使用以下語法構造的:

numpy.dtype(object

, align, copy)

#object -要轉換為的資料型別物件

#align - 如果為 true

,填充欄位使其類似 c 的結構體。

#copy - 複製 dtype 物件 ,如果為 false,則是對內建資料型別物件的引用

import numpy as

np# int8, int16, int32, int64 四種資料型別可以使用字串 'i1

', '

i2','

i4','i8'

代替dt = np.dtype('i4'

)print(dt)

# 結果

int32

類似的每個內建型別都有乙個唯一定義它的字元**,如下:

字元    對應型別

b 布林型

i (有符號) 整型

u 無符號整型 integer

f 浮點型

c 複數浮點型

m timedelta(時間間隔)

m datetime(日期時間)

o (python) 物件

s, a (

byte-)字串

u unicode

v 原始資料 (

void)

例子:

import numpy as

npstudent = np.dtype([('

name

','s20

'),('

age','

i'),('

marks

','f8

')])

a = np.array([('

xiaoming

', 20, 67.187565216511651521),('

xiaohon

', 19, 56)],dtype =student)

print(a)

# 結果

[(b'xiaoming', 20, 67.18756522) (b'xiaohon', 19, 56. )]

NumPy 資料型別

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...

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...