个性化阅读
专注于IT技术分析

NumPy数据类型详细介绍

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 , )]

赞(0) 打赏
未经允许不得转载:srcmini » NumPy数据类型详细介绍
分享到: 更多 (0)

评论 抢沙发

评论前必须登录!

 

觉得文章有用就打赏一下文章作者

微信扫一扫打赏