NumPy: типы данных
Типы данных
NumPy поддерживает следующие числовые типы:
| Тип данных | Описание | Значение / Диапазон |
|---|---|---|
| bool_ | Логическое значение сохраняется как байт. | Правда или ложь |
| int_ | Целочисленный тип по умолчанию. | То же, что C long; обычно либо int64, либо int32. |
| ИНТЕРК | Идентичен C int. | Обычно int32 или int64. |
| INTP | Целое число используется для индексации. | То же, что и C ssize_t; обычно либо int32, либо int64. |
| int8 | Байт. | От -128 до 127 |
| int16 | Integer. | От -32768 до 32767 |
| int32 | Integer. | От -2147483648 до 2147483647 |
| int64 | Integer. | От -9223372036854775808 до 9223372036854775807 |
| uint8 | Целое число без знака. | От 0 до 255 |
| uint16 | Целое число без знака. | От 0 до 65535 |
| uint32 | Целое число без знака. | От 0 до 4294967295 |
| uint64 | Целое число без знака | От 0 до 18446744073709551615 |
| float_ | Сокращение для float64. | |
| float16 | Поплавок половинной точности. | знаковый бит, показатель 5 битов, мантисса 10 битов |
| float32 | Поплавок одинарной точности. | знаковый бит, экспонента 8 бит, мантисса 23 бита |
| float64 | Поплавок двойной точности. | знаковый бит, показатель 11 бит, мантисса 52 бита |
| сложный_ | Сокращение для complex128. | |
| complex64 | Комплексное число, | два 32-битных числа с плавающей запятой (действительные и мнимые компоненты) |
| complex128 | Комплексное число, | два 64-битных числа с плавающей запятой (действительные и мнимые компоненты) |
Существует 5 основных числовых типов, представляющих логические (bool), целые (int), целые числа без знака (uint) с плавающей запятой (float) и комплексные. Некоторые типы, такие как int и intp, имеют разные размеры битов, в зависимости от платформы (например, 32-битные и 64-битные машины).
Вот некоторые примеры:
>>> import numpy as np
>>> a = np.float32(2.0)
>>> a
2.0
>>> b = np.int_([3, 5, 7])
>>> b
array([3, 5, 7])
К типам массивов также можно обращаться с помощью кодов символов, в основном для сохранения обратной совместимости со старыми пакетами, такими как Numeric. Некоторые документы все еще могут ссылаться на них, например:
>>> import numpy as np
>>> np.array([3, 5, 7], dtype='f')
array([3., 5., 7.], dtype=float32)
Чтобы преобразовать тип массива, используйте метод .astype () (предпочтительно) или сам тип в качестве функции. Например:
>> import numpy as np
>>> c = np.arange(5, dtype=np.uint8)
>>> (c.astype(float))
array([ 0., 1., 2., 3., 4.])
>>> (np.int8(c))
array([0, 1, 2, 3, 4], dtype=int8)
Чтобы определить тип массива, посмотрите на атрибут dtype:
>>> import numpy as np
>>> c = np.arange(5, dtype=np.uint8)
>>> print(c.dtype)
uint8Объекты dtype также содержат информацию о типе, такую как его битовая ширина и порядок байтов. Тип данных также может быть использован косвенно для запроса свойств типа, например, является ли оно целым числом:
>>> import numpy as np
>>> np.int8(c)
array([0, 1, 2, 3, 4], dtype=int8)
>>> x = np.dtype(int)
>>> x
dtype('int32')
>>> np.issubdtype(x, np.integer)
True
>>> np.issubdtype(x, np.floating)
False
Предыдущая: Установка NumPy
Далее: NumPy ndarray
Новый контент: Composer: менеджер зависимостей для PHP , R программирования