Типы данных NumPy

Обратить строку

Дополнительные курсы

  • Рекомендации по курсу: Типы данных Python
  • По умолчанию Python имеет следующие типы данных: strings
  • float - Предназначен для представления текстовых данных, текст заключен в кавычки. Например "ABCD".
  • integer - Предназначен для представления вещественных чисел. Например 1.2, 42.42.
  • boolean - Предназначен для представления True или False.

complex

- Предназначен для представления чисел в комплексной плоскости. Например 1.0 + 2.0j, 1.5 + 2.5j. i Типы данных NumPyu NumPy имеет некоторые дополнительные типы данных и использует символ для ссылки на тип данных, например

Представляет integer,

  • i Представляет unsigned integer и т.д.
  • 以下是 NumPy 中所有数据类型的列表及其 символьные представления。 - Integer
  • u b
  • f - Boolean
  • - Несigned integer - Фloat
  • c - Комплексное浮инговое число
  • m - Timedelta
  • M - DateTime
  • S O
  • U - Объект
  • - Строка - Unicode строка

V

- Фиксированные другие типы памяти ( void ) Функция для создания массива, которая может использовать опциональные параметры: Проверить тип данных массива

Пример

У объекта NumPy массива есть свойство

import numpy as np
свойство, которое возвращает тип данных массива:
Получить тип данных объекта массива:Функция для создания массива, которая может использовать опциональные параметры:)

Запуск примера

Пример

print(arr.

import numpy as np
Получить тип данных массива, содержащего строки:
print(arr.dtype)

Запуск примера

arr = np.array(['apple', 'banana', 'cherry'])

Создать массив с уже определенным типом данных Мы используем array()Функция для создания массива, которая может использовать опциональные параметры:dtype

Пример

Создать массив с помощью строки типа данных, которая позволяет нам определить ожидаемый тип элементов массива:

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

Запуск примера

Для i、u、f、S и UМы также можем определить размер.

Пример

Создать массив с типом данных 4 байта целого числа:

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

Запуск примера

Что будет, если значение не может быть преобразовано?

Если даны элементы, которые нельзя принудительно преобразовать в тип, то NumPy вызовет ValueError.

ValueError: В Python, если переданные функции параметры имеют тип, не ожидаемый или неверный, возникает ValueError.

Пример

Невозможно преобразовать строку, не содержащую целых чисел (например, 'a'), в целое (возникнет ошибка):

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

Запуск примера

Преобразование типа данных существующего массива

Лучший способ изменить тип данных существующего массива - это использовать astype() метод копирует этот массив.

astype() Функция создает копию массива и позволяет вам определить тип данных в качестве параметра.

Тип данных можно指定 в виде строки, например 'f' означает плавающую точку:'i' означает целое и т.д. Или вы также можете напрямую использовать тип данных, например float означает плавающую точку:int означает целое.

Пример

Используя 'i' Как параметр, измените тип данных с плавающей точки на целое:

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

Запуск примера

Пример

Используя int Как параметр, измените тип данных с плавающей точки на целое:

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

Запуск примера

Пример

Измените тип данных с целого на булево:

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

Запуск примера