నమ్పీ డాటా టైప్స్

Python 中的数据类型

默认情况下，Python 拥有以下数据类型：

  • strings - 用于表示文本数据，文本用引号引起来。例如 "ABCD"。
  • integer - ఇంటర్జెక్షనల్ నంబర్స్ ను ప్రతినిధీకరించడానికి ఉపయోగించబడుతుంది. ఉదాహరణకు -1, -2, -3.
  • float - రియల్ నంబర్స్ ను ప్రతినిధీకరించడానికి ఉపయోగించబడుతుంది. ఉదాహరణకు 1.2, 42.42.
  • boolean - True లేదా False ను ప్రతినిధీకరించడానికి ఉపయోగించబడుతుంది.
  • complex - కంప్లెక్స్ ప్లాన్ లో నంబర్స్ ను ప్రతినిధీకరించడానికి ఉపయోగించబడుతుంది. ఉదాహరణకు 1.0 + 2.0j, 1.5 + 2.5j.

NumPy లో డేటా రకాలు

NumPy లో కొన్ని అదనపు డేటా రకాలు ఉన్నాయి, మరియు వాటిని అక్షరాల ద్వారా ప్రతినిధీకరిస్తారు, ఉదాహరణకు i అక్షరం వంటి వాటిని ప్రతినిధీకరిస్తుంది.u అనుమానిక అక్షరం వంటి వాటిని ప్రతినిధీకరిస్తుంది.

ఈ పట్టికలో NumPy లో అన్ని డేటా రకాలు మరియు వాటిని ప్రతినిధీకరించే అక్షరాలు ఉన్నాయి.

  • i - అక్షరం
  • b - బౌల్
  • u - అనుమానిక అక్షరం
  • f - అనుమానిక పదార్థం
  • - ఫ్లాట్ c
  • - కంప్లెక్స్ ఫ్లాట్ నంబర్స్ m
  • - timedelta M
  • - datetime O
  • S - ఆబ్జెక్ట్
  • U - స్ట్రింగ్
  • - unicode స్ట్రింగ్ V

- నిర్ధారిత ఇతర రకాల మెమొరీ బ్లాక్ (void)

ఆరేయానికి డేటా రకాన్ని పరిశీలించండి dtype NumPy ఆరేయానికి ఒక నామం ఉంది

ఉదాహరణ

యొక్క అంశం ను పొందండి, ఇది ఆరేయానికి డేటా రకాన్ని తిరిగి ఇస్తుంది:

import numpy as np
ఆరేయానికి డేటా రకాన్ని పొందండి:
arr = np.array([1, 2, 3, 4])dtype)

ఉదాహరణను నడుపుము

ఉదాహరణ

print(arr.

import numpy as np
స్ట్రింగ్లు కలిగిన ఆరేయానికి డేటా రకాన్ని పొందండి:
print(arr.dtype)

ఉదాహరణను నడుపుము

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

మాకు పరిచయమైన డేటా రకం తో ఆరేయాన్ని సృష్టించండి: array() ఫంక్షన్ ద్వారా ఆరేయాన్ని సృష్టించడానికి ఉపయోగించవచ్చు, ఇది ఆప్షణిక పరామితులను కలిగి ఉంటుంది:dtypeఇది మాకు ఆరేయానికి ముందుగా నిర్వచించిన డేటా రకాన్ని నిర్వచించడానికి అనుమతిస్తుంది:

ఉదాహరణ

డేటా రకం స్ట్రింగ్ తో ఆరేయాన్ని సృష్టించండి:

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

ఉదాహరణను నడుపుము

కోసం i、u、f、S మరియు Uమనం పరిమాణాన్ని కూడా నిర్వచించవచ్చు.

ఉదాహరణ

4 బైటలు విస్తృతి కలిగిన డేటా రకం ఆరేయాన్ని సృష్టించండి:

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

ఉదాహరణను నడుపుము

విలువ మార్పిడి చేయలేకపోతే ఏం జరుగుతుంది?

నిర్ధారిత మూలకంలో మార్పిడి చేయలేకపోతే, NumPy వారు ValueError ఉద్భవింపజేస్తారు.

ValueError：在 Python 中，如果传递给函数的参数的类型是非预期或错误的，则会引发 ValueError。

ఉదాహరణ

无法将非整数字符串（比如 'a'）转换为整数（将引发错误）：

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

ఉదాహరణను నడుపుము

转换已有数组的数据类型

更改现有数组的数据类型的最佳方法，是使用 astype() 方法复制该数组。

astype() ఫంక్షన్ ఒక పట్టిక కాపీని సృష్టిస్తుంది, మరియు మీరు పారామీటర్ గా మాల్యూమ్ రకాన్ని పేర్కొనవచ్చు.

మాల్యూమ్ రకాన్ని స్ట్రింగ్ ఆకారంలో పేర్కొనవచ్చు, ఉదాహరణకు 'f' ఫ్లోటింగ్ రకాన్ని సూచిస్తుంది:'i' సంఖ్యలను సూచిస్తుంది. లేదా మీరు నేరుగా మాల్యూమ్ రకాన్ని ఉపయోగించవచ్చు, ఉదాహరణకు float ఫ్లోటింగ్ రకాన్ని సూచిస్తుంది:int సంఖ్యలను సూచిస్తుంది.

ఉదాహరణ

ఉపయోగించడం ద్వారా 'i' పారామీటర్ గా మాల్యూమ్ రకాన్ని ఫ్లోటింగ్ రకానికి మార్చండి:

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

ఉదాహరణను నడుపుము

ఉదాహరణ

ఉపయోగించడం ద్వారా int పారామీటర్ గా మాల్యూమ్ రకాన్ని ఫ్లోటింగ్ రకానికి మార్చండి:

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

ఉదాహరణను నడుపుము

ఉదాహరణ

మాల్యూమ్ రకం నుండి బౌల్ రకానికి మార్చండి:

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

ఉదాహరణను నడుపుము