Numpy 中文用户指南 3.1 数据类型

褰辩话发布于2019-07-24 18:36 / 1724人阅读

摘要：其他数据类型在中没有对应。因此，使用数组标量确保了数组和标量之间具有相同的行为，无论值在不在数组中。不提供比的精度更高的特别是位四精度数据类型的是不能用的。

原文：Data types

译者：飞龙

‍

另见

数据类型对象

数组类型和类型之间的转换

NumPy支持的数值类型比Python更多。这一节会讲述所有可用的类型，以及如何改变数组的数据类型。

数据类型	描述
bool_	以字节存储的布尔值（True 或 False）
int_	默认的整数类型（和 C 的 long 一样，是 int64 或者 int32）
intc	和 C 的 int 相同（一般为 int64 或 int32）
intp	用于下标的整数（和 C 的 ssize_t 相同，一般为int64 或者 int32）
int8	字节（-128 到 127）
int16	整数（-32768 到 32767）
int32	整数（-2147483648 到 2147483647）
int64	整数（-9223372036854775808 到 9223372036854775807）
uint8	无符号整数（0 到 255）
uint16	无符号整数（0 到 65535）
uint32	无符号整数（0 到 4294967295）
uint64	无符号整数（0 到 18446744073709551615）
float_	float64 的简写
float16	半精度浮点：1位符号，5位指数，10位尾数
float32	单精度浮点：1位符号，8位指数，23位尾数
float64	双精度浮点：1位符号，11位指数，52位尾数
complex_	complex128 的简写
complex64	由两个32位浮点（实部和虚部）组成的复数
complex128	由两个64位浮点（实部和虚部）组成的复数

此外，Intel平台相关的C整数类型 short、long，long long 和它们的无符号版本是有定义的。

NumPy数值类型是dtype对象的实例，每个都有独特的特点。一旦你导入了NumPy：

>>> import numpy as np

这些 dtype 都可以通过 np.bool_ ， np.float32 以及其它的形式访问。

更高级的类型不在表中给出，请见结构化数组一节。

有5种基本的数值类型：布尔（bool），整数（int），无符号整数（uint），浮点（float）和复数。其中的数字表示类型所占的位数（即需要多少位代表内存中的一个值）。有些类型，如int和intp，依赖于平台（例如32位和64位机）有不同的位数。在与低级别的代码（如C或Fortran）交互和在原始内存中寻址时应该考虑到这些。

数据类型可以用做函数，来将Python类型转换为数组标量（详细解释请见数组标量一节），或者将Python的数值序列转换为同类型的NumPy数组，或者作为参数传入接受dtype的关键词的NumPy函数或方法中，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)

数组类型也可以由字符代码指定，这主要是为了保留旧的包的向后兼容，如Numeric。一些文档仍旧可能这样写，例如：

>>> np.array([1, 2, 3], dtype="f")
array([ 1.,  2.,  3.], dtype=float32)

我们推荐用 dtype 对象来取代。

要转换数组类型，使用 .astype() 方法（推荐），或者将类型自身用作函数，例如：

>>> z.astype(float)                 
array([  0.,  1.,  2.])
>>> np.int8(z)
array([0, 1, 2], dtype=int8)

需要注意的是，上面我们使用Python的浮点对象作为 dtype。NumPy知道int是指np.int_，bool指np.bool_，float指np.float_，complex指np.complex_ 。其他数据类型在Python中没有对应。

通过查看 dtype 属性来确定数组的类型：

>>> z.dtype
dtype("uint8")

dtype 对象还包含有关类型的信息，如它的位宽和字节顺序。数据类型也可以间接用于类型的查询属性，例如检查是否是整数：

>>> d = np.dtype(int)
>>> d
dtype("int32")

>>> np.issubdtype(d, int)
True

>>> np.issubdtype(d, float)
False

数组标量

NumPy一般以数组标量返回数组元素（带有相关dtype的标量）。数组标量不同于Python标量，但他们中的大部分可以互换使用（一个主要的例外是2.x之前的Python，其中整数数组标量不能作为列表和元组的下标）。也有一些例外，比如当代码需要标量的一个非常特定的属性，或检查一个值是否是特定的Python标量时。一般来说，总是可以使用相应的Python类型函数（如int，float，complex，str，unicode），将数组标量显式转换为Python标量来解决问题。

使用数组标量的主要优点是，它们保留了数组的类型（Python可能没有匹配的标量类型，如int16）。因此，使用数组标量确保了数组和标量之间具有相同的行为，无论值在不在数组中。NumPy标量也有许多和数组相同的方法。

扩展精度

Python 的浮点数通常都是64位的，几乎相当于 np.float64 。在一些不常见的情况下，更精确的浮点数可能更好。是否可以这样做取决于硬件和开发环境：具体来说，x86 机器提供了80位精度的硬件浮点支持，虽然大多数 C 编译器都以 long double 类型来提供这个功能，但 MSVC （标准的Windows版本）中 long double 和 double 一致。NumPy中可以通过 np.longdouble 来使用编译器的 long double （复数为 np.clongdouble ）。你可以通过 np.finfo(np.longdouble) 来了解你的 numpy 提供了什么。

NumPy 不提供比 C 的 long double 精度更高的 dtype；特别是128位 IEEE 四精度数据类型（Fortran 的 REAL*16）是不能用的。

为了高效的内存对齐，np.longdouble通常填充零位来存储，共96位或128位。哪个更有效取决于硬件环境；通常在32位系统中，他们被填充到96位，而在64位系统，他们通常是填充到128位。np.longdouble 以系统默认的方式填充；而 np.float96 和 np.float128 为那些需要特定填充位的用户提供。尽管名字不同，np.float96 和 np.float128都只提供和np.longdouble相同的精度，也就是说，大多数 x86 机器上面只有80位，标准Windows版本上只有64位。

注意，即使np.longdouble比Python的float精度更高，也很容易失去额外的精度，因为Python经常强行以float来传值。例如，%格式化运算符要求其参数转换成标准的Python类型，因此它不可能保留额外的精度，即使要求更多的小数位数。可以使用1 + np.finfo(np.longdouble).eps来测试你的代码。

GPU云服务器云服务器 numpy数据分析 php手册3.1 webrtc权威指南中文 php中文用户手册

文章版权归作者所有，未经允许请勿转载,若此文章存在违规行为，您可以联系管理员删除。

转载请注明本文地址：https://www.ucloud.cn/yun/37845.html

Numpy 中文用户指南 1. 安装

摘要：包的核心是对象。但有个例外，包括对象数组的元素大小是不同的。序列大小和速度在科学计算中尤为重要。例如考虑两个长度相同的列表中每个元素相乘的情况。此外，编码所需的工作量随数据维数的增加而增加。这些信息主要用于高级用户。译者：飞龙 1.1 NumPy 是什么？原文：What is NumPy? NumPy是Python中用于科学计算的基础包。它是一个Python库，提供多维数组对象，各...

mochixuan 2019-07-24 18:34 评论0 收藏0
一文带你斩杀Python之Numpy☀️Pandas全部操作【全网最详细】❗❗❗

目录Numpy简介Numpy操作集合1、不同维度数据的表示1.1 一维数据的表示1.2 二维数据的表示1.3 三维数据的表示2、为什么要使用Numpy2.1、Numpy的ndarray具有广播功能2.2 Numpy数组的性能比Python原生数据类型高3 ndarray的属性和基本操作3.1 ndarray的基本属性3.2 ndarray元素类型3.3 创建ndarray的方式3.4 ndarr...

asoren 2021-09-09 09:34 评论0 收藏0
第1话 TensorFlow基础概念（计算图、张量、会话、常量、变量、占位符）

摘要：张量的命名形式，为节点的名称，表示当前张量来自来自节点的第几个输出。，要求的输入对象是一个但是它的输出是一个数组输出其他基本概念常量变量占位符常量中使用常量很简单，如，。返回的的类型返回的的形状的名字布尔值，用于验证值的形状。 showImg(https://segmentfault.com/img/bVbvlKO?w=4938&h=1679);（代码基于tensorflow 1.14...

makeFoxPlay 2019-07-31 11:27 评论0 收藏0
Python机器学习入门资料整理

摘要：在基本语法入门之后，就要准备选一个研究方向了。是自己比较感兴趣的方向，可是，导师这边的数据处理肯定不能由我做主了。真的挺愁人的还有几个月就要进行春季实习招聘了，加油总结一下机器学习方面的资料吧。在python基本语法入门之后，就要准备选一个研究方向了。Web是自己比较感兴趣的方向，可是，导师这边的数据处理肯定不能由我做主了。paper、peper、paper……真的挺愁人的还有几个...

Rango 2019-07-31 11:41 评论0 收藏0