Artikel yang menerangkan jenis data asas modul analisis data Python Numpy secara terperinci

Pengenalan kepada Numpy

​NumPy (Numerical Python) ialah perpustakaan sambungan bahasa Python yang menyokong sejumlah besar operasi tatasusunan dan matriks Di samping itu, ia juga menyediakan sejumlah besar fungsi matematik perpustakaan untuk operasi tatasusunan.

NumPy​ ialah perpustakaan matematik yang sangat pantas, terutamanya digunakan untuk pengiraan tatasusunan, termasuk:

• Objek Array N-dimensi yang berkuasa ndarray
• Fungsi fungsi penyiaran
• Alat untuk menyepadukan kod C/C++/Fortran
• Algebra linear, Transformasi Fourier, penjanaan nombor rawak dan fungsi lain

objek NumPy Ndarray

• Salah satu ciri terpenting NumPy ialah objek tatasusunan N Dimensinya ndarray, iaitu koleksi siri data jenis yang sama Indeks elemen dalam koleksi bermula dengan 0 subskrip
• objek ndarray ialah tatasusunan berbilang dimensi yang digunakan untuk. menyimpan elemen dari jenis yang sama. :

numpy.array(object, dtype = None, copy = True, order = None, subok = False, ndmin = 0)

NamaPenerangan Tatasusunan atau jujukan bersarang tatasusunan Jenis data elemen, pilihan Sama ada objek perlu disalin, pilihan Cipta gaya tatasusunan, C ialah arah baris, F ialah arah lajur, A ialah sebarang arah (lalai)

	objek
	dtype
	salin
	pesanan
	subok	Mengembalikan tatasusunan yang konsisten dengan jenis kelas asas secara lalai
ndmin	Nyatakan dimensi minimum tatasusunan yang dijana

Penukaran jenis data

Salin

Dimensi minimum

subok

Jenis data NumPy

integer (-9223372036854775808 hingga 9223372036854775807)

Nama	Penerangan
bool_	Jenis data Boolean (Benar atau Salah )
int_	Jenis integer lalai ( Serupa dengan long, int32 atau int64 dalam bahasa C)
intc	adalah sama dengan jenis int C, biasanya int32 atau int 64
intp	Jenis integer digunakan untuk pengindeksan (serupa dengan ssize_t C, biasanya masih int32 atau int64)
int8	Bait (-128 hingga 127)
int16	int32
Integer (-2147483648 hingga 2147483647)	int64
uint8	Integer tak bertanda (0 hingga 255)
uint16	Integer tak bertanda (0 hingga 65535)
uint32	Integer tidak ditandatangani (0 hingga 4294967295)
uint64	Integer tidak ditandatangani (0 hingga 18446744073709551615)
float_	Singkatan untuk jenis float64
float16	Nombor titik terapung separuh ketepatan, termasuk: 1 bit tanda, 5 bit eksponen , 10 digit mantissa
float32	single precision Terapung nombor titik, termasuk: 1 bit tanda, 8 bit eksponen, 23 bit mantissa
float64	Nombor titik terapung berketepatan ganda, termasuk: 1 bit tanda, 11 bit eksponen, 52 bit mantissa
kompleks_	Singkatan jenis complex128, iaitu nombor kompleks 128-bit
kompleks64	Nombor kompleks, mewakili nombor titik terapung 32-bit berganda (bahagian nyata dan bahagian khayalan)
kompleks128	Nombor kompleks, mewakili titik terapung berganda 64-bit nombor (bahagian sebenar dan bahagian khayalan )

数据类型对象 (dtype)

数据类型对象（numpy.dtype 类的实例）用来描述与数组对应的内存区域是如何使用，它描述了数据的以下几个方面：

• 数据的类型（整数，浮点数或者 Python 对象）
• 数据的大小（例如， 整数使用多少个字节存储）
• 数据的字节顺序（小端法或大端法）
• 在结构化类型的情况下，字段的名称、每个字段的数据类型和每个字段所取的内存块的部分
• 如果数据类型是子数组，那么它的形状和数据类型是什么。

字节顺序是通过对数据类型预先设定 来决定的。 意味着大端法(最重要的字节存储在最小的地址，即高位组放在最前面)。

dtype 对象是使用以下语法构造的：

numpy.dtype(object, align, copy)

object - 要转换为的数据类型对象
align - 如果为 true，填充字段使其类似 C 的结构体。
copy - 复制 dtype 对象 ，如果为 false，则是对内置数据类型对象的引用

每个内建类型都有一个唯一定义它的字符代码

字符	对应类型
b	布尔型
i	(有符号) 整型
u	无符号整型 integer
f	浮点型
c	复数浮点型
m	timedelta（时间间隔）
M	datetime（日期时间）
O	(Python) 对象
S, a	(byte-)字符串
U	Unicode
V	原始数据 (void)

dt = np.dtype(np.int32)
print(dt)

输出：
int32


dt = np.dtype('i4')
print(dt)

输出：
int32


dt = np.dtype([('age', np.int8)])
print(dt)

输出：
[('age', 'i1')]

结构化数据类型

student = np.dtype([('name','S20'), ('age','i1'), ('score', 'f4')])
a = np.array([('xm', 10, 98.123456789), ('xh', 8, 99.111111111), ('xl', '9', 100)], dtype=student)
print(a)

输出：
[(b'xm', 10,98.12346 ) (b'xh',8,99.111115) (b'xl',9, 100.)]

Atas ialah kandungan terperinci Artikel yang menerangkan jenis data asas modul analisis data Python Numpy secara terperinci. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!