在线查企业/如何将网站的关键词排名优化

NumPy - 数据类型

NumPy 支持比 Python 更多种类的数值类型。 下表显示了 NumPy 中定义的不同标量数据类型。序号数据类型及描述1.bool_存储为一个字节的布尔值(真或假)

2.int_默认整数，相当于 C 的long，通常为int32或int64

3.intc相当于 C 的int，通常为int32或int64

4.intp用于索引的整数，相当于 C 的size_t，通常为int32或int64

5.int8字节(-128 ~ 127)

6.int1616 位整数(-32768 ~ 32767)

7.int3232 位整数(-2147483648 ~ 2147483647)

8.int6464 位整数(-9223372036854775808 ~ 9223372036854775807)

9.uint88 位无符号整数(0 ~ 255)

10.uint1616 位无符号整数(0 ~ 65535)

11.uint3232 位无符号整数(0 ~ 4294967295)

12.uint6464 位无符号整数(0 ~ 18446744073709551615)

13.float_float64的简写

14.float16半精度浮点：符号位，5 位指数，10 位尾数

15.float32单精度浮点：符号位，8 位指数，23 位尾数

16.float64双精度浮点：符号位，11 位指数，52 位尾数

17.complex_complex128的简写

18.complex64复数，由两个 32 位浮点表示(实部和虚部)

19.complex128复数，由两个 64 位浮点表示(实部和虚部)

NumPy 数字类型是dtype(数据类型)对象的实例，每个对象具有唯一的特征。 这些类型可以是np.bool_，np.float32等。

数据类型对象 (dtype)

数据类型对象描述了对应于数组的固定内存块的解释，取决于以下方面：数据类型(整数、浮点或者 Python 对象)

数据大小

字节序(小端或大端)

在结构化类型的情况下，字段的名称，每个字段的数据类型，和每个字段占用的内存块部分。

如果数据类型是子序列，它的形状和数据类型。

字节顺序取决于数据类型的前缀<或>。<意味着编码是小端(最小有效字节存储在最小地址中)。>意味着编码是大端(最大有效字节存储在最小地址中)。

dtype可由一下语法构造：numpy.dtype(object, align, copy)

参数为：Object：被转换为数据类型的对象。

Align：如果为true，则向字段添加间隔，使其类似 C 的结构体。

Copy? 生成dtype对象的新副本，如果为flase，结果是内建数据类型对象的引用。

示例 1# 使用数组标量类型

import numpy as np

dt = np.dtype(np.int32)

print dt

输出如下：int32

示例 2#int8，int16，int32，int64 可替换为等价的字符串 'i1'，'i2'，'i4'，以及其他。

import numpy as np

dt = np.dtype('i4')

print dt

输出如下：

int32

示例 3# 使用端记号

import numpy as np

dt = np.dtype('>i4')

print dt

输出如下：>i4

下面的例子展示了结构化数据类型的使用。 这里声明了字段名称和相应的标量数据类型。

示例 4# 首先创建结构化数据类型。

import numpy as np

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

print dt

输出如下：[('age', 'i1')]

示例 5# 现在将其应用于 ndarray 对象

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,)]

示例 6# 文件名称可用于访问 age 列的内容

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]

示例 7

以下示例定义名为 student 的结构化数据类型，其中包含字符串字段name，整数字段age和浮点字段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', '

示例 8import 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)]

每个内建类型都有一个唯一定义它的字符代码：'b'：布尔值

'i'：符号整数

'u'：无符号整数

'f'：浮点

'c'：复数浮点

'm'：时间间隔

'M'：日期时间

'O'：Python 对象

'S', 'a'：字节串

'U'：Unicode

'V'：原始数据(void)