NumPy(Numerical Python) 是 Python 語言的擴充程式庫,支援大量的維度數組與矩陣運算,此外也針對陣列運算提供大量的數學函式庫。
NumPy 是一個運行速度非常快的數學函式庫,主要用於陣列計算,包含:
numpy物件建立:
numpy.array(object, dtype = None, copy = True, order = None, subok = False, ndmin = 0)
| #描述|
###建立數組的樣式,C為行方向,F為列方向,A為任意方向(預設)########################subok##### # |
預設傳回一個與基底類別類型一致的陣列 |
ndmin |
指定產生陣列的最小維度 |
資料型別轉換
拷貝
最小維度
subok
#描述 |
|
bool_ |
#布林型資料類型(True 或False) |
int_ |
預設的整數型別(類似C 語言中的long,int32 或int64) |
#intc |
與C 的int 型別一樣,一般是int32 或int 64 |
intp |
|
############ ###########用於索引的整數型別(類似C 的ssize_t,一般情況下仍是int32 或int64)################# #######int8####### |
位元組(-128 to 127) |
int16 |
|
#整數(-32768 to 32767) |
|
##int32 |
整數(-2147483648 至 2147483647) |
#int64 |
整數(-9223372036854775808 至 9223372036854775807) |
uint8 |
##無符號整數(0 to 255) |
uint16 |
#無符號整數(0 to 65535) |
uint32 |
無符號整數(0 to 4294967295) ###############uint64## ################無符號整數(0 to 18446744073709551615)###### |
float_ |
float64 類型的簡寫 |
#float16 |
#半精確度浮點數,包含:1 個符號位,5 個指數位,10 個尾數位元 |
float32 |
##單精度浮點數,包括:1 個符號位,8 個指數位,23 個尾數位 |
float64 |
|
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:
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
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')]
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.)]
以上是一文詳解Python資料分析模組Numpy基礎資料類型的詳細內容。更多資訊請關注PHP中文網其他相關文章!