Numpy資料型別物件（dtype）

#記住引入numpy時要是用別名np，則所有的numpy字樣都要替換

#查詢數值型別
>>>type(float)
dtype('float64')
# 查詢字元**
>>> dtype('f')
dtype('float32')
>>> dtype('d')
dtype('float64')
# 查詢雙字元**
>>> dtype('f8')
dtype('float64')
# 獲取所有字元**
>>> sctypedict.keys()
[0, … 'i2', 'int0']
# char 屬性用來獲取字元**
>>> t = dtype('float64')
>>> t.char
'd'# type 屬性用來獲取型別
>>> t.type
# str 屬性獲取完整字串表示
# 第乙個字元是位元組序，< 表示小端，> 表示大端，| 表示平台的位元組序
>>> t.str
'>> t.itemsize
8# 許多函式擁有 dtype 引數
# 傳入數值型別、字元**和 dtype 都可以
>>> arange(7, dtype=uint16)
array([0, 1, 2, 3, 4, 5, 6], dtype=uint16)

字元**

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

stra, s（可以在s後面新增數字，表示字串長度，比如s3表示長度為三的字串，不寫則為最大長度）

unicode

uobject

ovoid

v基本書寫格式

import numpy

#定義t的各個字段型別
>>> t = dtype([('name', str, 40), ('numitems', numpy.int32), ('price',numpy.float32)])
>>> t
dtype([('name', '|s40'), ('numitems', '>> t['name']
dtype('|s40')
# 使用記錄型別建立陣列
# 否則它會把記錄拆開
>>> itemz = array([('meaning of life ***', 42, 3.14), ('butter', 13,2.72)], dtype=t)
>>> itemz[1]
('butter', 13, 2.7200000286102295)
#再舉個例*
>>>adt = np.dtype("a3, 3u8, (3,4)a10") #3位元組字串、3個64位整型子陣列、3*4的10位元組字串陣列，注意8為位元組
>>>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']])

#(flexible_dtype, itemsize)第乙個大小不固定的引數型別，第二傳入大小：

>>> dt = np.dtype((void, 10)) #10位
>>> dt = np.dtype((str, 35)) # 35字元字串
>>> dt = np.dtype(('u', 10)) # 10字元unicode string
#(fixed_dtype, shape)第乙個傳入固定大小的型別引數，第二引數傳入個數
>>> dt = np.dtype((np.int32, (2,2))) # 2*2int子陣列
舉例: >>>item = np.array([([12,12],[55,56])], dtype=dt)
array([[12, 12], [55, 56]])
>>> dt = np.dtype(('s10', 1)) # 10字元字串
>>> dt = np.dtype(('i4, (2,3)f8, f4', (2,3))) # 2*3結構子陣列
#[(field_name, field_dtype, field_shape), …]
>>> dt = np.dtype([('big', '>i4'), ('little', '>> dt = np.dtype([('r','u1'), ('g','u1'), ('b','u1'), ('a','u1')])
#：>>> dt= np.dtype（）
>>> dt = np.dtype()
#(base_dtype, new_dtype)：
>>>dt = np.dtype((np.int32, (np.int8, 4))) //base_dtype被分成4個int8的子陣列

NumPy 資料型別

numpy 支援比 python 更多種類的數值型別。下表顯示了 numpy 中定義的不同標量資料型別。序號資料型別及描述 1.bool 儲存為乙個位元組的布林值 真或假 2.int 預設整數，相當於 c 的long，通常為int32或int64 3.intc相當於 c 的int，通常為int32或...

NumPy 資料型別

numpy提供的數值型別，數值範圍比python提供的數值型別更大。numpy的數值型別，如下表所示 sn資料型別描述1 bool 布林值，取值ture false，占用乙個位元組 2int 是integer的預設型別。與c語言中的long型別相同，有可能是64位或32位。3intc 類似於c語言中...

Numpy資料型別

numpy是python的一種開源的數值計算擴充套件，是一些針對矩陣進行運算的模組。1.numpy介紹 2.numpy 學習筆記 3.python中的list和array的不同之處 4.python列表 numpy陣列與矩陣的區別 1.python中的list和np.array的不同之處 numpy...