NumPy-Datentypen

Daten Typen in Python

Standardmäßig hat Python folgende Daten Typen:

  • strings - Wird verwendet, um Textdaten darzustellen, Text wird mit Anführungszeichen dargestellt. Zum Beispiel "ABCD".
  • integer - Wird verwendet, um Ganzzahlen darzustellen. Zum Beispiel -1, -2, -3.
  • float - Wird verwendet, um reelle Zahlen darzustellen. Zum Beispiel 1.2, 42.42.
  • boolean - Wird verwendet, um True oder False darzustellen.
  • complex - Wird verwendet, um Zahlen im komplexen Plan darzustellen. Zum Beispiel 1.0 + 2.0j, 1.5 + 2.5j.

Daten Typen in NumPy

NumPy hat einige zusätzliche Daten Typen und referenziert diese durch ein Zeichen, zum Beispiel i Stellt Ganzzahlen dar,u Stellt unsignierte Ganzzahlen dar.

Hier ist eine Liste aller Daten Typen in NumPy sowie die Zeichen, die sie darstellen.

  • i - Ganzzahlen
  • b - Boolesch
  • u - Unsignierte Ganzzahlen
  • f - Fließkommazahlen
  • c - Komplexe Fließkommazahlen
  • m - Zeitdauer
  • M - Datum und Zeit
  • O - Objekte
  • S - Zeichenfolgen
  • U - Unicode-Zeichenfolgen
  • V - Festgelegte andere Typen von Speicherblöcken (void)

Überprüfen Sie den Daten Typ des Arrays

Ein NumPy-Array-Objekt hat einen Namen dtype Das Attribut, das den Daten Typ des Arrays zurückgibt:

Beispiel

Erhalten Sie den Daten Typ eines Array-Objekts:

import numpy as np
arr = np.array([1, 2, 3, 4])
print(arr.dtype)

Führen Sie ein Beispiel aus

Beispiel

Erhalten Sie den Daten Typ eines Arrays, das Zeichenfolgen enthält:

import numpy as np
arr = np.array(['apple', 'banana', 'cherry'])
print(arr.dtype)

Führen Sie ein Beispiel aus

Erstellen Sie ein Array mit einem definierten Daten Typ

Wir verwenden array() Die Funktion zum Erstellen eines Arrays, die optionalen Parameter verwenden kann:dtypeEs ermöglicht uns, den erwarteten Daten Typ der Arrayelemente zu definieren:

Beispiel

Erstellen Sie ein Array mit einer Daten Typ Zeichenkette:

import numpy as np
arr = np.array([1, 2, 3, 4], dtype='S')
print(arr)
print(arr.dtype)

Führen Sie ein Beispiel aus

Für i、u、f、S und UWir können auch die Größe definieren.

Beispiel

Erstellen Sie ein Array mit einem Datentyp von 4 Byte Ganzzahlen:

import numpy as np
arr = np.array([1, 2, 3, 4], dtype='i4')
print(arr)
print(arr.dtype)

Führen Sie ein Beispiel aus

Was passiert, wenn der Wert nicht umgewandelt werden kann?

Wenn die Typumwandlung von Elementen nicht erzwungen werden kann, wirft NumPy einen ValueError aus.

ValueError: In Python wird ValueError ausgelöst, wenn der Typ der an eine Funktion übergebenen Parameter nicht erwartet oder falsch ist.

Beispiel

ValueError: In Python wird ValueError ausgelöst, wenn der Typ der an eine Funktion übergebenen Parameter nicht erwartet oder falsch ist:

import numpy as np
arr = np.array(['a', '2', '3'], dtype='i')

Führen Sie ein Beispiel aus

Konvertieren Sie den Datentyp eines vorhandenen Arrays

Der beste Weg, den Datentyp eines vorhandenen Arrays zu ändern, ist die Verwendung von astype() Methode kopiert das Array.

astype() Die Funktion erstellt eine Kopie des Arrays und ermöglicht es Ihnen, den Datentyp als Parameter zu spezifizieren.

Der Datentyp kann als Zeichenfolge angegeben werden, zum Beispiel 'f' bedeutet Float,'i' bedeutet Integer usw. Oder Sie können auch direkt den Datentyp verwenden, zum Beispiel float bedeutet Float,int bedeutet Integer.

Beispiel

Durch die Verwendung 'i' Als Parameterwert ändern Sie den Datentyp von Float in Integer:

import numpy as np
arr = np.array([1.1, 2.1, 3.1])
newarr = arr.astype('i')
print(newarr)
print(newarr.dtype)

Führen Sie ein Beispiel aus

Beispiel

Durch die Verwendung int Als Parameterwert ändern Sie den Datentyp von Float in Integer:

import numpy as np
arr = np.array([1.1, 2.1, 3.1])
newarr = arr.astype(int)
print(newarr)
print(newarr.dtype)

Führen Sie ein Beispiel aus

Beispiel

Ändern Sie den Datentyp von Integer in Boolean:

import numpy as np
arr = np.array([1, 0, 3])
newarr = arr.astype(bool)
print(newarr)
print(newarr.dtype)

Führen Sie ein Beispiel aus