Maison > Article > interface Web > Tutoriel simple et facile à comprendre : méthode de conversion de type de données numpy
numpy est une puissante bibliothèque Python qui fournit des types de données riches pour gérer les opérations numériques et les calculs scientifiques. Dans numpy, la conversion de type de données est une opération courante qui convertit les éléments d'un tableau d'un type à un autre. Cet article présentera les méthodes de conversion de types de données couramment utilisées dans numpy et donnera des exemples de code détaillés.
Les types de données dans numpy incluent principalement des entiers, des nombres à virgule flottante, des valeurs et des chaînes booléennes, etc. Ce qui suit décrit comment effectuer une conversion entre ces types.
import numpy as np # 创建一个浮点数组 arr = np.array([1.1, 2.2, 3.3, 4.4]) # 将浮点数组转换为整数数组 arr_int = arr.astype(np.int32) print(arr_int)
Le résultat est : [1 2 3 4]. Notez que la méthode astype créera un nouveau tableau et que le type du tableau d’origine ne changera pas.
import numpy as np # 创建一个整数数组 arr = np.array([1, 2, 3, 4]) # 将整数数组转换为浮点数组 arr_float = arr.astype(np.float32) print(arr_float)
Le résultat de sortie est : [1. 2. 3. 4.].
import numpy as np # 创建一个整数数组 arr = np.array([1, 0, 2, 0]) # 将整数数组转换为布尔数组 arr_bool = arr.astype(np.bool) print(arr_bool)
Le résultat est : [True False True False]. Les éléments non nuls seront convertis en True et les éléments nuls seront convertis en False.
import numpy as np # 创建一个整数数组 arr = np.array([1, 2, 3, 4]) # 将整数数组转换为字符串数组 arr_str = arr.astype(np.string_) print(arr_str)
Le résultat est : [b'1' b'2' b'3' b'4']. Notez que dans le tableau de chaînes, chaque élément est précédé d'un « b », indiquant qu'il s'agit d'une chaîne d'octets.
Résumé :
Cet article présente les méthodes de conversion de types de données couramment utilisées dans numpy et donne des exemples de code détaillés. Qu'il s'agisse d'un type entier, d'un type à virgule flottante, d'un type booléen ou d'un type chaîne, numpy fournit des méthodes de conversion simples et faciles à comprendre. Dans les applications pratiques, nous devons souvent convertir le type d'élément d'un tableau en un type spécifique pour répondre à différents besoins informatiques. En maîtrisant ces méthodes, nous pouvons utiliser numpy de manière plus flexible pour les opérations numériques et les calculs scientifiques.
Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!