資訊專欄INFORMATION COLUMN
摘要：其他數(shù)據(jù)類型在中沒有對應(yīng)。因此，使用數(shù)組標量確保了數(shù)組和標量之間具有相同的行為，無論值在不在數(shù)組中。不提供比的精度更高的特別是位四精度數(shù)據(jù)類型的是不能用的。
原文：Data types
譯者：飛龍
?
數(shù)組類型和類型之間的轉(zhuǎn)換另見
數(shù)據(jù)類型對象
NumPy支持的數(shù)值類型比Python更多。這一節(jié)會講述所有可用的類型，以及如何改變數(shù)組的數(shù)據(jù)類型。
| 數(shù)據(jù)類型 | 描述 |
|---|---|
| bool_ | 以字節(jié)存儲的布爾值（True 或 False） |
| int_ | 默認的整數(shù)類型（和 C 的 long 一樣，是 int64 或者 int32） |
| intc | 和 C 的 int 相同（一般為 int64 或 int32） |
| intp | 用于下標的整數(shù)（和 C 的 ssize_t 相同，一般為int64 或者 int32） |
| int8 | 字節(jié)（-128 到 127） |
| int16 | 整數(shù)（-32768 到 32767） |
| int32 | 整數(shù)（-2147483648 到 2147483647） |
| int64 | 整數(shù)（-9223372036854775808 到 9223372036854775807） |
| uint8 | 無符號整數(shù)（0 到 255） |
| uint16 | 無符號整數(shù)（0 到 65535） |
| uint32 | 無符號整數(shù)（0 到 4294967295） |
| uint64 | 無符號整數(shù)（0 到 18446744073709551615） |
| float_ | float64 的簡寫 |
| float16 | 半精度浮點：1位符號，5位指數(shù)，10位尾數(shù) |
| float32 | 單精度浮點：1位符號，8位指數(shù)，23位尾數(shù) |
| float64 | 雙精度浮點：1位符號，11位指數(shù)，52位尾數(shù) |
| complex_ | complex128 的簡寫 |
| complex64 | 由兩個32位浮點（實部和虛部）組成的復(fù)數(shù) |
| complex128 | 由兩個64位浮點（實部和虛部）組成的復(fù)數(shù) |
此外，Intel平臺相關(guān)的C整數(shù)類型 short、long，long long 和它們的無符號版本是有定義的。
NumPy數(shù)值類型是dtype對象的實例，每個都有獨特的特點。一旦你導(dǎo)入了NumPy：
>>> import numpy as np
這些 dtype 都可以通過 np.bool_ ， np.float32 以及其它的形式訪問。
更高級的類型不在表中給出，請見結(jié)構(gòu)化數(shù)組一節(jié)。
有5種基本的數(shù)值類型：布爾（bool），整數(shù)（int），無符號整數(shù)（uint），浮點（float）和復(fù)數(shù)。其中的數(shù)字表示類型所占的位數(shù)（即需要多少位代表內(nèi)存中的一個值）。有些類型，如int和intp，依賴于平臺（例如32位和64位機）有不同的位數(shù)。在與低級別的代碼（如C或Fortran）交互和在原始內(nèi)存中尋址時應(yīng)該考慮到這些。
數(shù)據(jù)類型可以用做函數(shù)，來將Python類型轉(zhuǎn)換為數(shù)組標量（詳細解釋請見數(shù)組標量一節(jié)），或者將Python的數(shù)值序列轉(zhuǎn)換為同類型的NumPy數(shù)組，或者作為參數(shù)傳入接受dtype的關(guān)鍵詞的NumPy函數(shù)或方法中，例如：
>>> import numpy as np >>> x = np.float32(1.0) >>> x 1.0 >>> y = np.int_([1,2,4]) >>> y array([1, 2, 4]) >>> z = np.arange(3, dtype=np.uint8) >>> z array([0, 1, 2], dtype=uint8)
數(shù)組類型也可以由字符代碼指定，這主要是為了保留舊的包的向后兼容，如Numeric。一些文檔仍舊可能這樣寫，例如：
>>> np.array([1, 2, 3], dtype="f") array([ 1., 2., 3.], dtype=float32)
我們推薦用 dtype 對象來取代。
要轉(zhuǎn)換數(shù)組類型，使用 .astype() 方法（推薦），或者將類型自身用作函數(shù)，例如：
>>> z.astype(float) array([ 0., 1., 2.]) >>> np.int8(z) array([0, 1, 2], dtype=int8)
需要注意的是，上面我們使用Python的浮點對象作為 dtype。NumPy知道int是指np.int_，bool指np.bool_，float指np.float_，complex指np.complex_ 。其他數(shù)據(jù)類型在Python中沒有對應(yīng)。
通過查看 dtype 屬性來確定數(shù)組的類型：
>>> z.dtype
dtype("uint8")
dtype 對象還包含有關(guān)類型的信息，如它的位寬和字節(jié)順序。數(shù)據(jù)類型也可以間接用于類型的查詢屬性，例如檢查是否是整數(shù)：
>>> d = np.dtype(int)
>>> d
dtype("int32")
>>> np.issubdtype(d, int)
True
>>> np.issubdtype(d, float)
False
數(shù)組標量
NumPy一般以數(shù)組標量返回數(shù)組元素（帶有相關(guān)dtype的標量）。數(shù)組標量不同于Python標量，但他們中的大部分可以互換使用（一個主要的例外是2.x之前的Python，其中整數(shù)數(shù)組標量不能作為列表和元組的下標）。也有一些例外，比如當代碼需要標量的一個非常特定的屬性，或檢查一個值是否是特定的Python標量時。一般來說，總是可以使用相應(yīng)的Python類型函數(shù)（如int，float，complex，str，unicode），將數(shù)組標量顯式轉(zhuǎn)換為Python標量來解決問題。
使用數(shù)組標量的主要優(yōu)點是，它們保留了數(shù)組的類型（Python可能沒有匹配的標量類型，如int16）。因此，使用數(shù)組標量確保了數(shù)組和標量之間具有相同的行為，無論值在不在數(shù)組中。NumPy標量也有許多和數(shù)組相同的方法。
擴展精度Python 的浮點數(shù)通常都是64位的，幾乎相當于 np.float64 。在一些不常見的情況下，更精確的浮點數(shù)可能更好。是否可以這樣做取決于硬件和開發(fā)環(huán)境：具體來說，x86 機器提供了80位精度的硬件浮點支持，雖然大多數(shù) C 編譯器都以 long double 類型來提供這個功能，但 MSVC （標準的Windows版本）中 long double 和 double 一致。NumPy中可以通過 np.longdouble 來使用編譯器的 long double （復(fù)數(shù)為 np.clongdouble ）。你可以通過 np.finfo(np.longdouble) 來了解你的 numpy 提供了什么。
NumPy 不提供比 C 的 long double 精度更高的 dtype；特別是128位 IEEE 四精度數(shù)據(jù)類型（Fortran 的 REAL*16）是不能用的。
為了高效的內(nèi)存對齊，np.longdouble通常填充零位來存儲，共96位或128位。哪個更有效取決于硬件環(huán)境；通常在32位系統(tǒng)中，他們被填充到96位，而在64位系統(tǒng)，他們通常是填充到128位。np.longdouble 以系統(tǒng)默認的方式填充；而 np.float96 和 np.float128 為那些需要特定填充位的用戶提供。盡管名字不同，np.float96 和 np.float128都只提供和np.longdouble相同的精度，也就是說，大多數(shù) x86 機器上面只有80位，標準Windows版本上只有64位。
注意，即使np.longdouble比Python的float精度更高，也很容易失去額外的精度，因為Python經(jīng)常強行以float來傳值。例如，%格式化運算符要求其參數(shù)轉(zhuǎn)換成標準的Python類型，因此它不可能保留額外的精度，即使要求更多的小數(shù)位數(shù)。可以使用1 + np.finfo(np.longdouble).eps來測試你的代碼。
文章版權(quán)歸作者所有，未經(jīng)允許請勿轉(zhuǎn)載,若此文章存在違規(guī)行為，您可以聯(lián)系管理員刪除。
轉(zhuǎn)載請注明本文地址：http://www.ezyhdfw.cn/yun/37845.html
摘要：包的核心是對象。但有個例外，包括對象數(shù)組的元素大小是不同的。序列大小和速度在科學(xué)計算中尤為重要。例如考慮兩個長度相同的列表中每個元素相乘的情況。此外，編碼所需的工作量隨數(shù)據(jù)維數(shù)的增加而增加。這些信息主要用于高級用戶。 譯者：飛龍 1.1 NumPy 是什么？ 原文：What is NumPy? NumPy是Python中用于科學(xué)計算的基礎(chǔ)包。它是一個Python庫，提供多維數(shù)組對象，各...
目錄Numpy簡介Numpy操作集合1、不同維度數(shù)據(jù)的表示1.1 一維數(shù)據(jù)的表示1.2 二維數(shù)據(jù)的表示1.3 三維數(shù)據(jù)的表示2、 為什么要使用Numpy2.1、Numpy的ndarray具有廣播功能2.2 Numpy數(shù)組的性能比Python原生數(shù)據(jù)類型高3 ndarray的屬性和基本操作3.1 ndarray的基本屬性3.2 ndarray元素類型3.3 創(chuàng)建ndarray的方式3.4 ndarr...
摘要：張量的命名形式，為節(jié)點的名稱，表示當前張量來自來自節(jié)點的第幾個輸出。，要求的輸入對象是一個但是它的輸出是一個數(shù)組輸出其他基本概念常量變量占位符常量中使用常量很簡單，如，。返回的的類型返回的的形狀的名字布爾值，用于驗證值的形狀。 showImg(https://segmentfault.com/img/bVbvlKO?w=4938&h=1679);（代碼基于tensorflow 1.14...
摘要：在基本語法入門之后，就要準備選一個研究方向了。是自己比較感興趣的方向，可是，導(dǎo)師這邊的數(shù)據(jù)處理肯定不能由我做主了。真的挺愁人的還有幾個月就要進行春季實習(xí)招聘了，加油總結(jié)一下機器學(xué)習(xí)方面的資料吧。 在python基本語法入門之后，就要準備選一個研究方向了。Web是自己比較感興趣的方向，可是，導(dǎo)師這邊的數(shù)據(jù)處理肯定不能由我做主了。paper、peper、paper……真的挺愁人的 還有幾個...
閱讀 3906·2021-11-24 09:39
閱讀 1876·2021-11-02 14:41
閱讀 877·2019-08-30 15:53
閱讀 3539·2019-08-29 12:43
閱讀 1268·2019-08-29 12:31
閱讀 3145·2019-08-26 13:50
閱讀 864·2019-08-26 13:45
閱讀 1067·2019-08-26 10:56
