Ein Artikel, in dem die grundlegenden Datentypen des Python-Datenanalysemoduls Numpy ausführlich erläutert werden-Python-Tutorial-php.cn

Einführung in Numpy

NumPy (Numerical Python) ist eine Erweiterungsbibliothek der Python-Sprache, die eine große Anzahl dimensionaler Array- und Matrixoperationen unterstützt. Darüber hinaus bietet sie auch eine große Anzahl mathematischer Funktionsbibliotheken für Array-Operationen.

NumPy ist eine sehr schnelle Mathematikbibliothek, die hauptsächlich für Array-Berechnungen verwendet wird, einschließlich:

Ein leistungsstarkes N-dimensionales Array-Objekt ndarray
Broadcast-Funktionsfunktion
integrierte C-Tools für /C++/ Fortran-Code
Lineare Algebra, Fourier-Transformation, Zufallszahlengenerierung und andere Funktionen

NumPy Ndarray-Objekt

Das wichtigste Merkmal von NumPy ist sein N-dimensionales Array-Objekt ndarray, das eine Sammlung davon ist eine Reihe von Daten desselben Typs. Der Index der Elemente in der Sammlung beginnt mit dem Index 0. Das ndarray-Objekt ist ein mehrdimensionales Array, das zum Speichern von Elementen desselben Typs verwendet wird. Beide haben die gleiche Speichergröße
Numpy-Objekterstellung

numpy.array(object, dtype = None, copy = True, order = None, subok = False, ndmin = 0)

Nach dem Login kopieren

NameBeschreibungArray oder verschachtelte SequenzDatentyp von Array-Elementen, optional.

	Objekt
	dtype
Kopie	Muss das Objekt kopiert werden? ? , optional
Reihenfolge	Der Stil zum Erstellen des Arrays, C ist die Zeilenrichtung, F ist die Spaltenrichtung, A ist eine beliebige Richtung (Standard)
subok		Standardmäßig wird ein Array zurückgegeben, das mit dem Basisklassentyp übereinstimmt
ndmin	Geben Sie die Mindestgröße des generierten Arrays an

Datentypkonvertierung

Ein Artikel, in dem die grundlegenden Datentypen des Python-Datenanalysemoduls Numpy ausführlich erläutert werden

Kopieren

Ein Artikel, in dem die grundlegenden Datentypen des Python-Datenanalysemoduls Numpy ausführlich erläutert werden

Minimale Abmessung

Ein Artikel, in dem die grundlegenden Datentypen des Python-Datenanalysemoduls Numpy ausführlich erläutert werden

subok

Ein Artikel, in dem die grundlegenden Datentypen des Python-Datenanalysemoduls Numpy ausführlich erläutert werden

NumPy-Datentypen

Name.

int_

Standard-Ganzzahltyp ( ähnlich wie long, int32 oder int64 in der C-Sprache)

intc

ist der gleiche wie der int-Typ von C, im Allgemeinen int32 oder int. 64

intp

Der für die Indizierung verwendete Ganzzahltyp (ähnlich wie ssize_t von C, im Allgemeinen immer noch int32 oder int64)

int8

Byte (-128 bis 127)

int16

Ganzzahl (-32768 bis 32767)

int32

integer ( -2147483648 bis 2147483647)

int64

integer (-9223372036854775808 bis. 922337203685 4 775807)

uint8

Ganzzahl ohne Vorzeichen (0 bis 255)

uint16

Ganzzahl ohne Vorzeichen (0 bis 65535)

uint32

Ganzzahl ohne Vorzeichen (0 bis 4294967295)

uint64

Ganzzahl ohne Vorzeichen (0 bis 18446744073709551615)

float_

Float64-Abkürzung: Präzision Gleitkommazahl, einschließlich: 1 Vorzeichenbit, 5 Exponentenbits, 10 Mantissenbits ?? at6 4

数 Doppelte Genauigkeit Gleitkommazahl, einschließlich: 1 Symbol, 11 Indizes, 52 Schwanz digital

Complex_

complex128 Spezifikationen, also 128-Bit-Plural

complex64

komplexe Zahl, die eine doppelte 32-Bit-Gleitkommazahl darstellt (Realteil und Imaginärteil)

complex128

Plural, was doppelte 64-Bit-Gleitkommazahlen angibt ( Realteil und Imaginärteil)

数据类型对象 (dtype)

数据类型对象（numpy.dtype 类的实例）用来描述与数组对应的内存区域是如何使用，它描述了数据的以下几个方面：

数据的类型（整数，浮点数或者 Python 对象）
数据的大小（例如，整数使用多少个字节存储）
数据的字节顺序（小端法或大端法）
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所取的内存块的部分
如果数据类型是子数组，那么它的形状和数据类型是什么。

字节顺序是通过对数据类型预先设定 < 或 > 来决定的。 < 意味着小端法(最小值存储在最小的地址，即低位组放在最前面)。> 意味着大端法(最重要的字节存储在最小的地址，即高位组放在最前面)。

dtype 对象是使用以下语法构造的：

numpy.dtype(object, align, copy)

object - 要转换为的数据类型对象
align - 如果为 true，填充字段使其类似 C 的结构体。
copy - 复制 dtype 对象 ，如果为 false，则是对内置数据类型对象的引用

Nach dem Login kopieren

每个内建类型都有一个唯一定义它的字符代码

字符	对应类型
b	布尔型
i	(有符号) 整型
u	无符号整型 integer
f	浮点型
c	复数浮点型
m	timedelta（时间间隔）
M	datetime（日期时间）
O	(Python) 对象
S, a	(byte-)字符串
U	Unicode
V	原始数据 (void)

dt = np.dtype(np.int32)
print(dt)

输出：
int32


dt = np.dtype('i4')
print(dt)

输出：
int32


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

输出：
[('age', 'i1')]

Nach dem Login kopieren

结构化数据类型

student = np.dtype([('name','S20'), ('age','i1'), ('score', 'f4')])
a = np.array([('xm', 10, 98.123456789), ('xh', 8, 99.111111111), ('xl', '9', 100)], dtype=student)
print(a)

输出：
[(b'xm', 10,98.12346 ) (b'xh',8,99.111115) (b'xl',9, 100.)]

Nach dem Login kopieren

Das obige ist der detaillierte Inhalt vonEin Artikel, in dem die grundlegenden Datentypen des Python-Datenanalysemoduls Numpy ausführlich erläutert werden. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!

Verwandte Etiketten：

python 数组 numpy

Quelle：51cto.com

Vorheriger Artikel：Mit Python erfahren Sie, wie Sie schnell kurze Videos mit Douyin-Wasserzeichen in Stapeln herunterladen Nächster Artikel：Zehn am meisten unterschätzte Python-Module

Erklärung dieser Website

Der Inhalt dieses Artikels wird freiwillig von Internetnutzern beigesteuert und das Urheberrecht liegt beim ursprünglichen Autor. Diese Website übernimmt keine entsprechende rechtliche Verantwortung. Wenn Sie Inhalte finden, bei denen der Verdacht eines Plagiats oder einer Rechtsverletzung besteht, wenden Sie sich bitte an admin@php.cn

Neueste Artikel des Autors