Numpy数据类型对象与数组标量详解

您所在的位置:网站首页 numpy 精度 Numpy数据类型对象与数组标量详解

Numpy数据类型对象与数组标量详解

2023-08-30 04:10| 来源: 网络整理| 查看: 265

别名

标量

备注

np.bool8

np.bool_

 

np.string_

np.bytes_

字节字符串

np.int8

np.byte

 

np.int16

np.short

 

np.int32

(win10 64)

np.intc(与C int兼容)

np.int_(与Python2 int和C long兼容)

 

np.int64

(win10 64)

np.longlong(C long long)

 

np.float16

np.half

 

np.float32

np.single

 

np.float64

np.float_

np.double

 

np.unicode_

np.str_

unicode字符串

np.complex64

np.csingle

 

np.complex128

np.complex_

np.cfloat

np.cdouble

 

通过此条命令看所有标量类型:

>>> np.ScalarType # win10 64bit

输出:

(int, float, complex, int, bool, bytes, str, memoryview, numpy.uint32, numpy.int16, numpy.uint64, numpy.intc, numpy.int8, numpy.object_, numpy.float64, numpy.bool_, numpy.float32, numpy.datetime64, numpy.str_, numpy.complex64, numpy.uint16, numpy.bytes_, numpy.float16, numpy.clongdouble, numpy.int32, numpy.timedelta64, numpy.complex128, numpy.uintc, numpy.int64, numpy.void, numpy.longdouble, numpy.uint8)

注意,标量类型不是dtype对象,尽管在NumPy中只要需要数据类型规范,它就能被用于代替dtype对象。

二、Numpy数据类型对象

要探讨数据类型对象,需要先探讨Numpy的数组结构,一张图来看:

数据存储区域保存着数组中所有元素的二进制数据,dtype对象则知道如何将元素的二进制数据转换为可用的值。数组的维数、大小等信息都保存在ndarray数组对象的数据结构中。

数据类型对象是numpy.dtype类的实例,描述了如何解释对应的固定大小的内存块中的字节。它主要描述了数据的以下方面:

数据元素的类型(整型、浮点型、Python对象等)。数据的大小(例如整数中有多少字节)。数据的顺序(little-endian 或 big-endian)。

dtype 对象使用以下语法构造:numpy.dtype(obj [, align, copy]),参数obj是可被转换为数据类型对象的内容。如np.dtype(np.int32)。可以转换为数据类型对象的常见内容如下:

dtype 本身None

NumPy中的默认数据类型是float_。

Array-scalar 数组标量类型 np.dtype(np.int32) 几种python类型

在用于生成 dtype 对象时等效于相应的数组标量:int是指np.int_,bool意味着np.bool_,float是np.float_,complex是np.complex_,bytes是指np.bytes_,str指np.str_(python3),其它是np.object_。

Generic types

根据以下关联转换为相应的类型对​​象:

number, inexact, floating

float

complexfloating

cfloat

integer, signedinteger

int_

unsignedinteger

uint

character

string

generic, flexible

void

具有 .dtype 属性的任何对象

该属性必须返回可转换为dtype对象的内容。

单字符串类型代码

np.dtype('b')

Array-protocol 字符串

np.dtype('f8')

三、结构化数据类型

用的不多,放个链接自己看看

https://numpy.org/devdocs/user/basics.rec.html

翻译参考:

https://www.numpy.org.cn/user/basics/rec.html#%E7%BB%93%E6%9E%84%E5%8C%96%E6%95%B0%E6%8D%AE%E7%B1%BB%E5%9E%8B



【本文地址】


今日新闻


推荐新闻


CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3