NumPy-tietotyypit - Opi erilaisia ​​numpy-tietotyyppejä esimerkit

Sisällysluettelo:

Anonim

Johdanto NumPy-tietotyyppeihin

Tietotyyppi on dataan liittyvä attribuutti, joka määrittelee minkä tyyppisiä arvoja tiedot voivat pitää, millaisia ​​toimintoja sillä voidaan suorittaa ja mikä tärkeintä, sen vaatiman muistitilan määrä. Jotkut hyvin yleisistä tietotyypeistä ovat kokonaisluku, todellinen, looginen ja char. Tässä artikkelissa yritetään ymmärtää erilaisia ​​tietotyyppejä, joita Numpy tukee. Numpy on python-paketti, jota käytetään tieteelliseen laskentaan. Se on kirjoitettu puhtaasti C-ohjelmointikielellä. Voimme siis olettaa, että Numpyn tietotyypit ovat enemmän tai vähemmän C-tietotyyppien päivityksiä.

Numpy tietotyypit

Eri tietotyypit, joita numpy tukee, ovat:

Numpy tietotyyppiLäheisesti C-tietotyyppiVarastointikokoKuvaus
np.bool_bool1 tavuvoi pitää loogisia arvoja, kuten (totta tai vääriä) tai (0 tai 1)
np.byteallekirjoitettu char1 tavuvoi pitää arvoja välillä 0 - 255
np.ubyteallekirjoittamaton char1 tavuvoi pitää arvoja välillä -128 - 127
np.shortallekirjoitettu lyhyt2 tavuavoi pitää arvoja välillä -32 768 - 32 767
np.ushortallekirjoittamaton lyhyt2 tavuavoi pitää arvoja välillä 0 - 65 535
np.uintcallekirjoittamaton int2 tai 4 tavuavoi pitää arvoja välillä 0 - 65 535 tai 0 - 4 294 967 295
np.int_pitkä8 tavuavoi pitää arvoja -9223372036854775808 - 9223372036854775807
np.uintallekirjoittamaton pitkä8 tavua0 - 18446744073709551615
np.longlongpitkä pitkä8 tavuavoi pitää arvoja -9223372036854775808 - 9223372036854775807
np.ulonglongallekirjoittamaton pitkä pitkä8 tavua0 - 18446744073709551615
np. half / np.float16-sallii puoliarvon tarkkuuden
Muoto: merkkibitti, 5 bitin eksponentti, 10 bitin mantissa
np.singlekellua4 tavuamahdollistaa yhden kelluvuuden tarkkuuden
Muoto: merkkibitti, 8 bitin eksponentti, 23 bitin mantissa
np.doublekaksinkertainen8 tavuamahdollistaa kaksinkertaisen kelluvuuden tarkkuuden
Muoto: merkkibitti, 11 bitin eksponentti, 52 bitin mantissa.
np.longdoublepitkä kaksinkertainen8 tavuakelluksen jatkaminen
np.csinglekelluva kompleksi8 tavuapystyy pitämään kompleksina todellisten ja kuvitteellisten osien kanssa
yhden tarkkuuden kellua
np.cdoublekaksinkertainen kompleksi16 tavuapystyy pitämään monimutkaisina todellisten ja kuvitteellisten osien kanssa
kaksinkertainen tarkkuus kellua
np.clongdoublepitkä kaksinkertainen kompleksi16 tavuakelluksen laajennus monimutkaiselle numerolle
np.int8int8_t1 tavuvoi pitää arvoja välillä -128 - 127
np.int16int16_t2 tavuavoi pitää arvoja välillä -32 768 - 32 767
np.int32int32_t4 tavuavoi pitää arvoja välillä 2 147 483 648 - 2 147 483 647
np.int64int64_t8 tavuavoi pitää arvoja -9223372036854775808 - 9223372036854775807
np.uint8uint8_t1 tavuvoi pitää arvoja välillä 0 - 255
np.uint16uint16_t2 tavuavoi pitää arvoja välillä 0 - 65 535
np.uint32uint32_t4 tavuavoi pitää arvoja välillä 0 - 4 294 967 295
np.uint64uint64_t8 tavuavoi pitää arvoja välillä 0 - 18446744073709551615
np.intpintptr_t4 tavuaindeksointiin käytetty allekirjoitettu kokonaisluku
np.uintpuintptr_t4 tavuaallekirjoittamaton kokonaisluku, jota käytetään osoittimen pitämiseen
np.float32kellua4 tavuayhden kelluvuuden tarkkuus
np.float64kaksinkertainen8 tavuakaksinkertainen kelluvuus tarkkuus
np.complex64kelluva kompleksi8 tavuayhden kelluvuuden tarkkuus monimutkaisina lukuina
np.complex128kaksinkertainen kompleksi16 tavuakaksinkertainen kelluvuuden tarkkuus monimutkaisina lukuina

Esimerkkejä NumPy-tietotyypeistä

Ymmärretään nyt, kuinka tiettyä numpy-tietotyyppiä käytetään.

Esimerkki # 1

Tietotyyppiobjektin luominen

dt = np.dtype(np.int8)

lähtö:

Esimerkki 2

Tietotyypin koon löytäminen

dt = np.dtype(np.int8)
name = dt.name
sizeoftype = dt.itemsize
print('name:', name, 'size:', sizeoftype)

lähtö:

Esimerkki 3

Tietotyyppiobjektin luominen yksilöivillä symboleilla jokaiselle tietotyypille

Jokaisella numpy-tietotyypillä on liittyvä merkkikoodi, joka tunnistaa sen yksilöllisesti.

dt = np.dtype('i4')

lähtö:

Esimerkki 4

Tietotyyppien käyttö jäsennellyn taulukon luomiseen

employee_info = np.dtype((('name', 'S10'), ('age', 'i1'), ('salary', 'f4'), ('rating', 'f4')))
print(employee_info)

lähtö:

a = np.array((('Karthik', 31, 20000, 3.84), ('Rita', 25, 25123.34, 4.41)), dtype = employee_info)
print (a)

lähtö:

johtopäätös

Numpy-tietotyypit ovat enemmän tai vähemmän kuin C-tietotyypit. Ne voidaan luokitella karkeasti booliin, tavuun, int, float-, double- ja monimutkaisiin. Hyvien ohjelmoijien on ymmärrettävä, kuinka tietoja tallennetaan ja manipuloidaan. Tämä voidaan saavuttaa ymmärtämällä tietotyypit tehokkaasti.

Suositellut artikkelit

Tämä on opas NumPy-tietotyyppeihin. Tässä keskustellaan siitä, kuinka tiettyä numpy-tietotyyppiä käytetään yhdessä esimerkkien kanssa. Saatat myös katsoa seuraavia artikkeleita saadaksesi lisätietoja -

  1. Mikä on NumPy?
  2. Matplotlib Pythonissa
  3. Python-tietotyypit
  4. Sanakirja Pythonissa