srcmini本文概述
与Python相比, NumPy提供了更大范围的数字数据类型。下表列出了数字数据类型。
| SN | 数据类型 | Description |
|---|---|---|
| 1 | bool_ | 它代表布尔值, 表示true或false。它存储为一个字节。 |
| 2 | int_ | 它是整数的默认类型。它与包含64位或32位整数的C中的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。值的范围是-128到127。 |
| 6 | int16 | 它是2字节(16位)的整数。范围是-32768至32767。 |
| 7 | int32 | 它是4字节(32位)整数。范围是-2147483648至2147483647。 |
| 8 | int64 | 它是8字节(64位)整数。范围是-9223372036854775808至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个字节(64位)的无符号整数。 |
| 13 | float_ | 它与float64相同。 |
| 14 | float16 | 这是半精度浮点数。 5位保留给指数。尾数保留10位, 符号保留1位。 |
| 15 | float32 | 它是一个单精度浮点数。指数保留8位, 尾数保留23位, 符号保留1位。 |
| 16 | float64 | 这是双精度浮子。指数保留11位, 尾数保留52位, 正负号使用1位。 |
| 17 | complex_ | 它与complex128相同。 |
| 18 | complex64 | 它用于表示实数和虚数部分共享32位的复数。 |
| 19 | complex128 | 它用于表示实数和虚数部分共享64位的复数。 |
NumPy类型
numpy数组的所有项目都是数据类型对象, 也称为numpy dtypes。数据类型对象实现与数组相对应的固定大小的内存。
我们可以使用以下语法创建dtype对象。
numpy.dtype(object, align, copy)构造函数接受以下对象。
对象：它表示要转换为数据类型的对象。
对齐：可以将其设置为任何布尔值。如果为true, 则它将添加额外的填充以使其等效于C结构。
复制：它将创建dtype对象的另一个副本。
例子1
import numpy as np
d = np.dtype(np.int32)
print(d)输出
int32例子2
import numpy as np
d = np.int32(i4)
print(d)输出
int32创建结构化数据类型
我们可以创建一个类似于地图的(字典)数据类型, 其中包含值之间的映射。例如, 它可以包含员工与薪水或学生与年龄之间的映射等。
考虑以下示例。
例子1
import numpy as np
d = np.dtype([('salary', np.float)])
print(d)输出
[('salary', '例子2
import numpy as np
d=np.dtype([('salary', np.float)])
arr = np.array([(10000.12, ), (20000.50, )], dtype=d)
print(arr['salary'])输出
[(10000.12, ) (20000.5 , )]
评论前必须登录！
注册