Python数据分析模块Numpy基础数据类型分享

lsekfe

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)

　　数据类型转换

　　拷贝

　　最小维度

　　subok

　　NumPy 数据类型

　　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

　　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.      )]