温馨提示×

温馨提示×

您好,登录后才能下订单哦!

密码登录×
登录注册×
其他方式登录
点击 登录注册 即表示同意《亿速云用户服务条款》

Numpy对象与类型怎么应用

发布时间:2022-10-13 17:35:17 来源:亿速云 阅读:129 作者:iii 栏目:web开发

这篇文章主要讲解了“Numpy对象与类型怎么应用”,文中的讲解内容简单清晰,易于学习与理解,下面请大家跟着小编的思路慢慢深入,一起来研究和学习“Numpy对象与类型怎么应用”吧!

一、Numpy 对象:ndarray

Numpy 就类似于一个数组,与Python的列表不同的是:Python的列表可以放入不同类型的数据,这样的好处是兼容性强,但是劣势是计算速度变慢,在大数据的处理时,我们需要高效率,所以Numpy便出现了;相比Python对象,Numpy的对象叫做ndarrayndarray的特点:

  • 一般情况下,ndarray中的所有元素,类型都相同;当然,也可以不同;

  • ndarray 中每个元素都有相同大小的存储空间;

二、新建 Numpy对象

创建一个 ndarray 只需调用 NumPy 的 array 函数即可,如下:

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

参数说明:

名称描述
object数组或嵌套的数列
dtype数组元素的数据类型,可选
copy对象是否需要复制,可选
order创建数组的样式,C为行方向,F为列方向,A为任意方向(默认)
subok默认返回一个与基类类型一致的数组
ndmin指定生成数组的最小维度

举例如下:

import numpy as np  # 导入包
a = np.array([1,2,3,4])   #一维数组建立
print ('a:',a)
# 输出: a: [1 2 3 4]

b = np.array([[1,2,3,4],[5,6,7,8]])  # 二维数组 
print ('b:',b)
# b: [[1 2 3 4]
#  [5 6 7 8]]

c = np.array([[1,2,3,4],[5,6,7,8]],ndmin=3)  # 指定最小纬度
print ('c:',c)
# c: [[[1 2 3 4]
#   [5 6 7 8]]]

d = np.array([[1,2,3,4],[5,6,7,8]],dtype=complex)  #制定数据类型
print ('d:',d)
# d: [[1.+0.j 2.+0.j 3.+0.j 4.+0.j]
#  [5.+0.j 6.+0.j 7.+0.j 8.+0.j]]

三、Numpy数据类型

3.1 常见数据类型

由于是专门用来数据分析的包,故numpy支持非常多种数据类型,可根据需求选择合适的数据类型,可以大大提高运行速度;常用的数据类型如下: 备注:调用numpy 数据类型时,可以通过np.数据类型来调用,例如:np.int8,np.float16 等;

名称类型代码描述
bool_?布尔型数据类型(True 或者 False)
int_
默认的整数类型(类似于 C 语言中的 long,int32 或 int64)
int8i1字节(-128 to 127)
int16i2整数(-32768 to 32767)
int32i4整数(-2147483648 to 2147483647)
int64i8整数(-9223372036854775808 to 9223372036854775807)
uint8u1无符号整数(0 to 255)
uint16u2无符号整数(0 to 65535)
uint32u4无符号整数(0 to 4294967295)
uint64u8无符号整数(0 to 18446744073709551615)
float_
float64 类型的简写
float16f2半精度浮点数,包括:1 个符号位,5 个指数位,10 个尾数位
float32f4 / f单精度浮点数,包括:1 个符号位,8 个指数位,23 个尾数位
float64f8 / d双精度浮点数,包括:1 个符号位,11 个指数位,52 个尾数位
complex
complex128 类型的简写,即 128 位复数
complex64c8复数,表示双 32 位浮点数(实数部分和虚数部分)
complex128c16复数,表示双 64 位浮点数(实数部分和虚数部分)
objectOPython 对象类型
string_S固定长度字符串,如长度为20的字符串,为S20
a = np.array([1.1,2,3,4],dtype = np.float64)  
print ('a:',a)   # float64 类型

b = np.array([[1,2,3,4],[5,6,7,8]],dtype = 'f4') 
print ('b:',b)   # float32 类型

3.2 数据类型转换

使用astype来改变数组的数据类型

a = np.array([1.1,2.3,3.5,4.7],dtype = np.float64)  
b = a.astype(np.int_)
print(b)
# [1 2 3 4]  输出变为了整型

3.3 数据类型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;使用方法如下:

numpy.dtype(object, align, copy)

参数说明:

名称描述
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

举例如下:

student = np.dtype([('name','S10'), ('age', 'i1'), ('marks', 'f4')]) 
a = np.array([('abc', 21, 50),('xyz', 18, 75)], dtype = student) 
print(a)
# [(b'abc', 21, 50.) (b'xyz', 18, 75.)]

感谢各位的阅读,以上就是“Numpy对象与类型怎么应用”的内容了,经过本文的学习后,相信大家对Numpy对象与类型怎么应用这一问题有了更深刻的体会,具体使用情况还需要大家实践验证。这里是亿速云,小编将为大家推送更多相关知识点的文章,欢迎关注!

向AI问一下细节

免责声明:本站发布的内容(图片、视频和文字)以原创、转载和分享为主,文章观点不代表本网站立场,如果涉及侵权请联系站长邮箱:is@yisu.com进行举报,并提供相关证据,一经查实,将立刻删除涉嫌侵权内容。

AI