Python数据分析模块Numpy基础数据类型分享
Numpy简介NumPy（Numerical Python） 是 Python 语言的一个扩展程序库，支持大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。
NumPy 是一个运行速度非常快的数学库，主要用于数组计算，包含：
·一个强大的N维数组对象 ndarray
· 广播功能函数
· 整合 C/C++/Fortran 代码的工具
· 线性代数、傅里叶变换、随机数生成等功能
NumPy Ndarray 对象
NumPy 最重要的一个特点是其 N 维数组对象 ndarray，它是一系列同类型数据的集合，以 0 下标为开始进行集合中元素的索引
ndarray 对象是用于存放同类型元素的多维数组
ndarray 中的每个元素在内存中都有相同存储大小的区域
numpy对象创建：
numpy.array(object, dtype = None, copy = True, order = None, subok = False, ndmin = 0)
http://www.51testing.com/attachments/2023/02/15326880_202302241154241FuR1.png
数据类型转换
http://www.51testing.com/attachments/2023/02/15326880_20230224115427199Z1.png
拷贝
http://www.51testing.com/attachments/2023/02/15326880_202302241154301olqr.png
最小维度
http://www.51testing.com/attachments/2023/02/15326880_202302241154331iJ47.jpg
subok
http://www.51testing.com/attachments/2023/02/15326880_202302241154371NTWT.png
NumPy 数据类型
http://www.51testing.com/attachments/2023/02/15326880_202302241154401ulUo.png
数据类型对象 (dtype)
数据类型对象（numpy.dtype 类的实例）用来描述与数组对应的内存区域是如何使用，它描述了数据的以下几个方面：
·数据的类型（整数，浮点数或者 Python 对象）
· 数据的大小（例如， 整数使用多少个字节存储）
· 数据的字节顺序（小端法或大端法）
· 在结构化类型的情况下，字段的名称、每个字段的数据类型和每个字段所取的内存块的部分
· 如果数据类型是子数组，那么它的形状和数据类型是什么。
字节顺序是通过对数据类型预先设定 < 或 > 来决定的。 < 意味着小端法(最小值存储在最小的地址，即低位组放在最前面)。> 意味着大端法(最重要的字节存储在最小的地址，即高位组放在最前面)。
dtype 对象是使用以下语法构造的：
numpy.dtype(object, align, copy)
object - 要转换为的数据类型对象
align - 如果为 true，填充字段使其类似 C 的结构体。
copy - 复制 dtype 对象 ，如果为 false，则是对内置数据类型对象的引用
每个内建类型都有一个唯一定义它的字符代码
http://www.51testing.com/attachments/2023/02/15326880_202302241154431qvpY.png
dt = np.dtype(np.int32)
print(dt)
输出：
int32
dt = np.dtype('i4')
print(dt)
输出：
int32
dt = np.dtype([('age', np.int8)])
print(dt)
输出：
[('age', 'i1')]
结构化数据类型
student = np.dtype([('name','S20'), ('age','i1'), ('score', 'f4')])
a = np.array([('xm', 10, 98.123456789), ('xh', 8, 99.111111111), ('xl', '9', 100)], dtype=student)
print(a)
输出：
[(b'xm', 10,98.12346 ) (b'xh',8,99.111115) (b'xl',9, 100. )]
页:
[1]
