大家好,又见面了,我是你们的朋友全栈君。
常用方法
#记住引入numpy时要是用别名np,则所有的numpy字样都要替换
#查询数值类型
>>>type(float)
dtype(‘float64’)
# 查询字符代码
>>> dtype(‘f’)
dtype(‘float32’)
>>> dtype(‘d’)
dtype(‘float64’)
# 查询双字符代码
>>> dtype(‘f8’)
dtype(‘float64’)
# 获取所有字符代码
>>> sctypeDict.keys()
[0, … ‘i2’, ‘int0’]
# char 属性用来获取字符代码
>>> t = dtype(‘Float64’)
>>> t.char
‘d’
# type 属性用来获取类型
>>> t.type
# str 属性获取完整字符串表示
# 第一个字符是字节序,< 表示小端,> 表示大端,| 表示平台的字节序
>>> t.str
‘
# 获取大小
>>> t.itemsize
8
# 许多函数拥有 dtype 参数
# 传入数值类型、字符代码和 dtype 都可以
>>> arange(7, dtype=uint16)
array([0, 1, 2, 3, 4, 5, 6], dtype=uint16)
类型参数及缩写
类型
字符代码
bool
?, b1
int8
b, i1
uint8
B, u1
int16
h, i2
uint16
H, u2
int32
i, i4
uint32
I, u4
int64
q, i8
uint64
Q, u8
float16
f2, e
float32
f4, f
float64
f8, d
complex64
F4, F
complex128
F8, D
str
a, S(可以在S后面添加数字,表示字符串长度,比如S3表示长度为三的字符串,不写则为最大长度)
unicode
U
object
O
void
V
自定义异构数据类型
基本书写格式
import numpy
#定义t的各个字段类型
>>> t = dtype([(‘name’, str, 40), (‘numitems’, numpy.int32), (‘price’,numpy.float32)])
>>> t
dtype([(‘name’, ‘|S40’), (‘numitems’, ‘
# 获取字段类型
>>> t[‘name’]
dtype(‘|S40’)
# 使用记录类型创建数组
# 否则它会把记录拆开
>>> itemz = array([(‘Meaning of life DVD’, 42, 3.14), (‘Butter’, 13,2.72)], dtype=t)
>>> itemz[1]
(‘Butter’, 13, 2.7200000286102295)
#再举个例*
>>>adt = np.dtype(“a3, 3u8, (3,4)a10”) #3字节字符串、3个64位整型子数组、3*4的10字节字符串数组,注意8为字节
>>>itemz = np.array([(‘Butter’,[13,2,3],[[‘d’,’o’,’g’,’s’],[‘c’,’a’,’t’,’s’],[‘c’,’o’,’w’,’s’]])],dtype=adt)
>>>itemz
(b’But’, [13, 2, 3], [[b’d’, b’o’, b’g’, b’s’], [b’c’, b’a’, b’t’, b’s’], [b’c’, b’o’, b’w’, b’s’]])
其他书写格式
#(flexible_dtype, itemsize)第一个大小不固定的参数类型,第二传入大小:
>>> dt = np.dtype((void, 10)) #10位
>>> dt = np.dtype((str, 35)) # 35字符字符串
>>> dt = np.dtype((‘U’, 10)) # 10字符unicode string
#(fixed_dtype, shape)第一个传入固定大小的类型参数,第二参数传入个数
>>> dt = np.dtype((np.int32, (2,2))) # 2*2int子数组
举例: >>>item = np.array([([12,12],[55,56])], dtype=dt)
array([[12, 12], [55, 56]])
>>> dt = np.dtype((‘S10’, 1)) # 10字符字符串
>>> dt = np.dtype((‘i4, (2,3)f8, f4’, (2,3))) # 2*3结构子数组
#[(field_name, field_dtype, field_shape), …]
>>> dt = np.dtype([(‘big’, ‘>i4’), (‘little’, ‘
>>> dt = np.dtype([(‘R’,’u1′), (‘G’,’u1′), (‘B’,’u1′), (‘A’,’u1′)])
#{‘names’: …, ‘formats’: …, ‘offsets’: …, ‘titles’: …, ‘itemsize’: …}:
>>> dt= np.dtype({‘names’:(‘Date’,’Close’),’formats’:(‘S10′,’f8’)})
>>> dt = np.dtype({‘names’: [‘r’,’b’], ‘formats’: [‘u1’, ‘u1’], ‘offsets’: [0, 2],’titles’: [‘Red pixel’, ‘Blue pixel’]})
#(base_dtype, new_dtype):
>>>dt = np.dtype((np.int32, (np.int8, 4))) //base_dtype被分成4个int8的子数组
以上这篇关于Numpy数据类型对象(dtype)使用详解就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持本站。
除非注明,否则均为软件工程师@钟江华原创文章,转载必须以链接形式标明本文链接
发布者:全栈程序员-用户IM,转载请注明出处:https://javaforall.cn/140741.html原文链接:https://javaforall.cn
【正版授权,激活自己账号】: Jetbrains全家桶Ide使用,1年售后保障,每天仅需1毛
【官方授权 正版激活】: 官方授权 正版激活 支持Jetbrains家族下所有IDE 使用个人JB账号...