NumPy之:数据类型

简介: NumPy之:数据类型

目录



简介


我们知道Python中有4种数字类型,分别是int,float,bool和complex。作为科学计算的NumPy,其数据类型更加的丰富。


今天给大家详细讲解一下NumPy中的数据类型。


数组中的数据类型


NumPy是用C语言来实现的,我们可以对标一下NumPy中数组中的数据类型跟C语言中的数据类型:


Numpy 中的类型 C 中的类型 说明
np.bool_ bool Boolean (True or False) stored as a byte
np.byte signed char Platform-defined
np.ubyte unsigned char Platform-defined
np.short short Platform-defined
np.ushort unsigned short Platform-defined
np.intc int Platform-defined
np.uintc unsigned int Platform-defined
np.int_ long Platform-defined
np.uint unsigned long Platform-defined
np.longlong long long Platform-defined
np.ulonglong unsigned long long Platform-defined
np.half / np.float16 Half precision float: sign bit, 5 bits exponent, 10 bits mantissa
np.single float Platform-defined single precision float: typically sign bit, 8 bits exponent, 23 bits mantissa
np.double double Platform-defined double precision float: typically sign bit, 11 bits exponent, 52 bits mantissa.
np.longdouble long double Platform-defined extended-precision float
np.csingle float complex Complex number, represented by two single-precision floats (real and imaginary components)
np.cdouble double complex Complex number, represented by two double-precision floats (real and imaginary components).
np.clongdouble long double complex Complex number, represented by two extended-precision floats (real and imaginary components).


我们在Ipython环境中随机查看一下上面的类型到底是什么:


import numpy as np
In [26]: np.byte
Out[26]: numpy.int8
In [27]: np.bool_
Out[27]: numpy.bool_
In [28]: np.ubyte
Out[28]: numpy.uint8
In [29]: np.short
Out[29]: numpy.int16
In [30]: np.ushort
Out[30]: numpy.uint16


所以上面的数据类型,其底层还是固定长度的数据类型,我们看下到底有哪些:


Numpy 类型 C 类型 说明
np.int8 int8_t Byte (-128 to 127)
np.int16 int16_t Integer (-32768 to 32767)
np.int32 int32_t Integer (-2147483648 to 2147483647)
np.int64 int64_t Integer (-9223372036854775808 to 9223372036854775807)
np.uint8 uint8_t Unsigned integer (0 to 255)
np.uint16 uint16_t Unsigned integer (0 to 65535)
np.uint32 uint32_t Unsigned integer (0 to 4294967295)
np.uint64 uint64_t Unsigned integer (0 to 18446744073709551615)
np.intp intptr_t Integer used for indexing, typically the same as ssize_t
np.uintp uintptr_t Integer large enough to hold a pointer
np.float32 float
np.float64 / np.float_ double Note that this matches the precision of the builtin python float.
np.complex64 float complex Complex number, represented by two 32-bit floats (real and imaginary components)
np.complex128 / np.complex_ double complex Note that this matches the precision of the builtin python complex.


所有这些类型都是 dtype 对象的实例。常用的有5种基本类型,分别是bool,int,uint,float和complex。


类型后面带的数字表示的是该类型所占的字节数。


上面表格中有一些 Platform-defined的数据类型,这些类型是跟平台相关的,在使用的时候要特别注意。


这些dtype类型可以在创建数组的时候手动指定:


>>> 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)


由于历史原因,为了向下兼容,我们也可以在创建数组的时候指定字符格式的dtype。


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


上面的 f 表示的是float类型。


类型转换


如果想要转换一个现有的数组类型,可以使用数组自带的astype方法,也可以调用np的强制转换方法:


In [33]: z = np.arange(3, dtype=np.uint8)
In [34]: z
Out[34]: array([0, 1, 2], dtype=uint8)
In [35]: z.astype(float)
Out[35]: array([0., 1., 2.])
In [36]: np.int8(z)
Out[36]: array([0, 1, 2], dtype=int8)


注意,上面我们使用了 float , Python将会把float 自动替换成为 np.float_,同样的简化格式还有 int == np.int_, bool == np.bool_, complex == np.complex_. 其他的数据类型不能使用简化版本。


查看类型


查看一个数组的数据类型可以使用自带的dtype属性:


In [37]: z.dtype
Out[37]: dtype('uint8')


dtype作为一个对象,本身也可以进行一些类型判断操作:


>>> d = np.dtype(int)
>>> d
dtype('int32')
>>> np.issubdtype(d, np.integer)
True
>>> np.issubdtype(d, np.floating)
False


数据溢出


一般来说,如果超出了数据的范围是会报异常的。比如我们有一个非常长的int值:


In [38]: a= 1000000000000000000000000000000000000000000000000000000000000000000000000000000
In [39]: a
Out[39]: 1000000000000000000000000000000000000000000000000000000000000000000000000000000
In [40]: np.int(1000000000000000000000000000000000000000000000000000000)
Out[40]: 1000000000000000000000000000000000000000000000000000000
In [41]: np.int32(1000000000000000000000000000000000000000000000000000000)
---------------------------------------------------------------------------
OverflowError                             Traceback (most recent call last)
<ipython-input-41-71feb4433730> in <module>()
----> 1 np.int32(1000000000000000000000000000
000000000000000000000000000)


上面的数字太长了,超出了int32的范围,就会抛出异常。


但是NumPy的有些操作,如果超出范围之后,并不会报异常,而是正常范围,这时候我们就需要注意了:


In [43]: np.power(100, 8, dtype=np.int32)
Out[43]: 1874919424
In [44]: np.power(100, 8, dtype=np.int64)
Out[44]: 10000000000000000


NumPy提供了两个方法来测量int和float的范围,numpy.iinfo 和 numpy.finfo :


In [45]:  np.iinfo(int)
Out[45]: iinfo(min=-9223372036854775808, max=9223372036854775807, dtype=int64)
In [46]: np.iinfo(np.int32)
Out[46]: iinfo(min=-2147483648, max=2147483647, dtype=int32)
In [47]: np.iinfo(np.int64)
Out[47]: iinfo(min=-9223372036854775808, max=9223372036854775807, dtype=int64)


如果64位的int还是太小的话,可以使用np.float64,float64可以使用科学计数法,所以能够得到更大范围的结果,但是其精度可能会缩小。


In [48]: np.power(100, 100, dtype=np.int64)
Out[48]: 0
In [49]: np.power(100, 100, dtype=np.float64)
Out[49]: 1e+200
相关文章
|
9月前
|
机器学习/深度学习 PyTorch 算法框架/工具
PyTorch基础之张量模块数据类型、基本操作、与Numpy数组的操作详解(附源码 简单全面)
PyTorch基础之张量模块数据类型、基本操作、与Numpy数组的操作详解(附源码 简单全面)
106 0
|
7月前
|
存储 C语言 Python
NumPy 教程 之 NumPy 数据类型 10
NumPy的`dtype`对象详细描述数组数据,包括类型(如整数、浮点、对象)、大小、字节顺序和结构化字段信息。构造`dtype`时可指定对齐和是否复制。例如,定义一个结构化类型`student`含字符串`name`、整数`age`和浮点数`marks`,然后创建一个数组应用该类型,输出显示结构化数据内容。
68 5
|
7月前
|
存储 C语言 Python
NumPy 教程 之 NumPy 数据类型 11
NumPy的`dtype`对象详细描述数组数据的类型、大小、字节顺序及结构。它支持布尔、整数、浮点、复数、时间和日期类型等,与C语言类型相似。通过`numpy.dtype`构造,可指定对齐和复制。每个类型有唯一字符标识,如&#39;b&#39;代表布尔,&#39;i&#39;代表有符号整数,&#39;f&#39;代表浮点数,&#39;c&#39;代表复数,&#39;S&#39;和&#39;U&#39;表示字符串,&#39;V&#39;表示原始数据。字节顺序用&#39;&lt;&#39;或&#39;&gt;&#39;标记。
49 2
|
7月前
|
存储 C语言 Python
NumPy 教程 之 NumPy 数据类型 6
NumPy的`dtype`对象详细描述数组数据,包括类型(如整数、浮点数)、大小、字节顺序和结构化类型字段。构造`dtype`使用`numpy.dtype()`,参数可指定数据类型、对齐和复制选项。实例展示了创建结构化类型`dt`,含一个`int8`类型的&#39;age&#39;字段,输出为`[(&#39;age&#39;, &#39;i1&#39;)]`。
35 1
|
7月前
|
C语言 索引 Python
NumPy 教程 之 NumPy 数据类型 1
NumPy 提供丰富数据类型,如 bool_、int_(类似 C 的 long)、intc、intp(用于索引)、int8-64 和 uint8-64(无符号整数)。浮点型有 float16-64,以及复数类型 complex64 和 complex128。每个类型对应特定字节数和精度。dtype 对象代表这些类型。
40 1
|
7月前
|
存储 C语言 Python
NumPy 教程 之 NumPy 数据类型 9
NumPy的`dtype`对象详细描述数组数据,包括类型(如整数、浮点数)、大小、字节顺序和结构化类型字段。可通过`numpy.dtype()`创建,参数包括数据类型对象、对齐标志和复制选项。例如,定义一个结构化类型`student`,含`name`(字符串)、`age`(整数)和`marks`(浮点数)字段,展示了如何应用到数组。打印`student`显示字段及其类型。
52 0
|
7月前
|
存储 C语言 Python
NumPy 教程 之 NumPy 数据类型 3
NumPy 扩展了Python的数据类型,提供dtype对象描述数组内存布局,包括数据类型、大小、字节顺序等。dtype通过`numpy.dtype()`创建,如`np.dtype(np.int32)`,并支持结构化类型和子数组。字节顺序用`&lt;`(小端)或`&gt;`(大端)指定。
28 0
|
9月前
|
存储 Python
NumPy数据类型与转换指南
【4月更文挑战第17天】NumPy是Python的数值计算库,提供多种数据类型如整数(int8, int32等),浮点数(float16, float64等),复数(complex64, complex128)和布尔(bool)。使用`astype()`方法可转换数组数据类型,例如`int_array.astype(np.float64)`。NumPy还会在运算中自动进行类型转换。注意转换可能涉及数据丢失、精度降低及性能影响,需根据需求谨慎选择数据类型。
|
9月前
|
存储 索引 Python
NumPy 数组切片及数据类型介绍
了解 NumPy 数组切片,用于从数组中提取子集。一维数组切片使用 `start:end:step`,如 `arr[1:5]`。二维数组切片如 `arr[1:3, 0:3]`。创建 5x5 数组并练习切片,例如打印第一行、第二列、对角线元素和 2x2 子数组。别忘了检查数据类型,如 `arr.dtype`,并使用 `astype()` 转换类型。
99 0
|
9月前
|
存储 数据采集 数据挖掘
《Numpy 简易速速上手小册》第2章:Numpy 数据类型和数组构造(2024 最新版)
《Numpy 简易速速上手小册》第2章:Numpy 数据类型和数组构造(2024 最新版)
95 0