NumPy数据类型

NumPy数据类型

　　Python是一种开源的面向对象语言。它具有许多功能，其中之一是广泛的外部封装。有很多用于安装和扩展功能的软件包。这些包是python脚本中的函数存储库。NumPy就是这样一种简化数组计算的包。最初被称为Numeric Python，NumPy是Python中的通用数组处理包，它提供了高性能的多维数据结构，如数组对象和用于处理这些数组的工具。

　　Numpy提供更快、更高效的矩阵和数组计算。本文晓得博客为你介绍NumPy数据类型。

Ndarray数据类型和描述

　　NumPy提供了Python提供的范围更广的数值数据类型。NumPy 数值类型是 dtype（数据类型）对象的实例，每个对象都有独特的特征。dtypes 可用作 np.bool_、np.float32 等。

　　下表给出了数值数据类型的列表:

序列号	数据类型	描述
1	bool_	它表示表示真假的布尔值。它存储为一个字节。
2	int_	它是整数的默认类型。它与 C 中包含 64 位或 32 位整数的 long 类型相同。
3	intc	它类似于 C 整数 (c int)，因为它表示 32 或 64 位 int。
4	intp	它表示用于索引的整数。
5	int8	它是与字节相同的 8 位整数。该值的范围是 -128 到 127。
6	int16	它是 2 字节（16 位）整数。范围是 -32768 到 32767。
7	int32	它是 4 字节（32 位）整数。范围是 -2147483648 到 2147483647。
8	int64	它是 8 字节（64 位）整数。范围是 -9223372036854775808 到 9223372036854775807。
9	uint8	它是 1 字节（8 位）无符号整数。
10	uint16	它是 2 字节（16 位）无符号整数。
11	uint32	它是 4 字节（32 位）无符号整数。
12	uint64	它是 8 字节（64 位）无符号整数。
13	float_	它与 float64 相同。
14	float16	它是半精度浮点数。为指数保留 5 位。10 位为尾数保留，1 位为符号保留。
15	float32	它是一个单精度浮点数。8 位为指数保留，23 位为尾数保留，1 位为符号保留。
16	float64	它是双精度浮点数。11 位为指数保留，52 位为尾数保留，1 位用于符号。
17	complex_	它与 complex128 相同。
18	complex64	它用于表示实部和虚部各共享 32 位的复数。
19	complex128	它用于表示实部和虚部各共享 64 位的复数。

　　推荐：11个流行的Python存储库

数据类型对象 (dtype)

　　数据类型对象描述了与数组相对应的固定内存块的解释，具体取决于以下方面 –

• 数据类型（整数、浮点数或 Python 对象）
• 数据大小
• 字节顺序（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以及每个字段占用的内存块的一部分。
• 如果数据类型是子数组，它的形状和数据类型

　　可以使用以下语法创建一个 dtype 对象。

numpy.dtype(object, align, copy)  

构造函数接受以下对象。

• Object：表示要转换为数据类型的对象。
• align：可以设置为任何布尔值。如果为真，会添加额外的填充以使其等效于 C 结构。
• copy：创建 dtype 对象的另一个副本。

构建一个dtype对象

　　可以使用 numpy 模块的数组例程创建 ndarray 对象。为此，我们需要导入 numpy.

import numpy as np  
d = np.dtype(np.int32)  
print(d)  

　　输出：

int32

　　推荐：Python如何读取文件特定行

创建结构化数据类型

　　我们可以创建一个类似映射（字典）的数据类型，其中包含值之间的映射。例如，它可以包含员工与工资或学生与年龄之间的映射等。

import numpy as np
d=np.dtype([('salary',float)])
arr = np.array([(10000.12,),(20000.50,)],dtype=d)
print(arr['salary'])

　　输出：

[10000.12 20000.5 ]

总结

　　以上是晓得博客为你介绍的NumPy数据类型的全部内容，希望对你的NumPy学习有所帮助，如有问题，欢迎留言探讨。

　　推荐：NumPy教程