Python 데이터 유형 소개 - numpy

이 기사에서는 numpy의 기본 데이터 유형, numpy 사용자 정의 복합 데이터 유형, ndarray를 사용하여 날짜 데이터 유형 저장 등을 포함하여 numpy 데이터 유형과 관련된 문제를 주로 정리하는 Python에 대한 관련 지식을 제공합니다. 아래 내용이 모든 분들께 도움이 되기를 바랍니다.

【관련 추천: Python3 동영상 튜토리얼】

1 numpy의 기본 데이터 유형

유형 이름	유형 표시기
Boolean	bool
부호 있는 정수형	int8/int16/int32/int64
부호 없는 정수형	uint8/uint16/uint32/uint64
부동 소수점형	float 16/float32/flo at64
복수형 type	complex64 / complex128
문자 유형	str, 각 문자는 32비트 유니코드 인코딩

import numpy as np

arr = np.array([1, 2, 3])
print(arr, arr.dtype)

arr = arr.astype('int64')
print(arr, arr.dtype)

arr = arr.astype('float32')
print(arr, arr.dtype)

arr = arr.astype('bool')
print(arr, arr.dtype)

arr = arr.astype('str')
print(arr, arr.dtype)

2으로 표시됩니다. 원하다 ndarray에 객체 유형을 저장하기 위해 numpy는 튜플을 사용하여 객체의 속성 필드 값을 저장할 것을 권장하며 ndarray에 튜플을 추가하면 이러한 데이터 처리를 용이하게 하는 구문이 제공됩니다.

import numpy as np

data = [
    ('zs', [99, 98, 90], 17),
    ('ls', [95, 95, 92], 16),
    ('ww', [97, 92, 91], 18)
]
# 姓名 2 个字符
# 3 个 int32 类型的成绩
# 1 个 int32 类型的年龄
arr = np.array(data, dtype='2str, 3int32, int32')
print(arr)
print(arr.dtype)
# 可以通过索引访问
print(arr[0], arr[0][2])

데이터의 양이 많은 경우 위의 방법은 데이터 접근에 불편합니다.

ndarray는

사전 또는 목록

형식으로 정의할 수 있는 데이터 유형과 열 별칭을 제공합니다. 데이터에 접근할 때 아래 첨자 인덱스나 열 이름을 통해 접근할 수 있습니다.

import numpy as np

data = [
    ('zs', [99, 98, 90], 17),
    ('ls', [95, 95, 92], 16),
    ('ww', [97, 92, 91], 18)]# 采用字典定义列名和元素的数据类型arr = np.array(data, dtype={
    # 设置每列的别名
    'names': ['name', 'scores', 'age'],
    # 设置每列数据元素的数据类型
    'formats': ['2str', '3int32', 'int32']})print(arr, arr[0]['age'])# 采用列表定义列名和元素的数据类型arr = np.array(data, dtype=[
    # 第一列
    ('name', 'str', 2),
    # 第二列
    ('scores', 'int32', 3),
    # 第三列
    ('age', 'int32', 1)])print(arr, arr[1]['scores'])# 直接访问数组的一列print(arr['scores'])

3. 날짜 데이터 유형을 저장하려면 ndarray를 사용하세요.

import numpy as np

dates = [
    '2011',
    '2011-02',
    '2011-02-03',
    '2011-04-01 10:10:10'
]

ndates = np.array(dates)
print(ndates, ndates.dtype)

# 数据类型为日期类型，采用 64 位二进制进行存储，D 表示日期精确到天
ndates = ndates.astype('datetime64[D]')
print(ndates, ndates.dtype)

# 日期运算
print(ndates[-1] - ndates[0])

1. 날짜 문자열 지원은 2011/11/11을 지원하지 않습니다. 분리 날짜는 2011 11 11을 지원하지 않지만, 2011-11-11을 지원합니다

2. 를 구분하려면 날짜와 시간 사이에 공백이 있어야 합니다. 2011-04-01 10 :10:10

3. 시간 쓰기 형식 10:10:10

2011/11/11，使用空格进行分隔日期也不支持 2011 11 11，支持 2011-11-11
2.日期与时间之间需要有空格进行分隔 2011-04-01 10:10:10
3.时间的书写格式 10:10:104. 유형 문자 코드(데이터 유형 약어)

numpy는 유형을 제공합니다. 데이터 유형을 더욱 편리하게 처리할 수 있는 문자 코드입니다.

Type유형 표시문자 코드Booleanbool?부호 있는 정수 유형int8 / 6/int32/int64i1/i2/ i4/i8부호 없는 정수uint8/uint16/uint32/uint64u1/u2/u4/u8부동 소수점float16/float32/float64f2 4 / f8complex64 / complex128c8 / c16문자 유형str, 각 문자는 32비트 유니코드 인코딩UDatedatatime64 M8[Y] / M8[M ] / M8[D] / M8[h] / M8[m] / M8[s]

import numpy as np

data = [
    ('zs', [99, 98, 90], 17),
    ('ls', [95, 95, 92], 16),
    ('ww', [97, 92, 91], 18)
]
# 采用字典定义列名和元素的数据类型
arr = np.array(data, dtype={
    # 设置每列的别名
    'names': ['name', 'scores', 'age'],
    # 设置每列数据元素的数据类型
    'formats': ['2U', '3i4', 'i4']
})

print(arr)
print(arr[1]['scores'])
print(arr['scores'])
print(arr.dtype)

5. 필드를 선택하고 ndarray Store 데이터를 사용합니다.

import numpy as np

datas = [
    (0, '4室1厅', 298.79, 2598, 86951),
    (1, '3室2厅', 154.62, 1000, 64675),
    (2, '3室2厅', 177.36, 1200, 67659),]arr = np.array(datas, dtype={
    'names': ['index', 'housetype', 'square', 'totalPrice', 'unitPrice'],
    'formats': ['u1', '4U', 'f4', 'i4', 'i4']})print(arr)print(arr.dtype)# 计算 totalPrice 的均值sum_totalPrice = sum(arr['totalPrice'])print(sum_totalPrice/3)

【관련 권장 사항:
Python3 비디오 튜토리얼】

위 내용은 Python 데이터 유형 소개 - numpy의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!