NumPy ndarray的數(shù)據(jù)類型怎么使用

這篇文章主要介紹了NumPy ndarray的數(shù)據(jù)類型怎么使用的相關(guān)知識，內(nèi)容詳細易懂，操作簡單快捷，具有一定借鑒價值，相信大家閱讀完這篇NumPy ndarray的數(shù)據(jù)類型怎么使用文章都會有所收獲，下面我們一起來看看吧。

ndarray是一個特殊的numpy數(shù)據(jù)類型，他是一個多維數(shù)組。

ndarray 的數(shù)據(jù)類型

數(shù)據(jù)類型，即 dtype ，也是一個特殊的對象， 它包含了ndarray需要為某一種類型數(shù)據(jù)所申明的內(nèi)存塊信息（也成為了元數(shù)據(jù)，即表示數(shù)據(jù)的數(shù)據(jù)）

dtype是NumPy能夠與琪他系統(tǒng)數(shù)據(jù)靈活交互的原因。通常，其他系統(tǒng)提供一個硬盤或內(nèi)存與數(shù)據(jù)的對應(yīng)關(guān)系，使得利用C或Fortran等底層語言讀寫數(shù)據(jù)變得十分方便。

使用astype方法來顯式的轉(zhuǎn)換數(shù)組的數(shù)據(jù)類型

arr = np.array([1,2,3,4,5])
print(arr.dtype)
print(arr)
float_arr = arr.astype('float32')#也可以寫作 arr.astype(np.float32)
print(float_arr.dtype)
print(float_arr)

int32 [1 2 3 4 5] float32 [1. 2. 3. 4. 5.]

注意：將內(nèi)容為數(shù)字的字符串數(shù)組轉(zhuǎn)為數(shù)字是可以的,當內(nèi)容是浮點型數(shù)字的時候只能轉(zhuǎn)成 float，不能 int，只有是整數(shù)的時候才可以轉(zhuǎn)成int

用其他數(shù)組的dtype來轉(zhuǎn)換數(shù)據(jù)類型：

int_arr = np.arange(10)
calibers = np.array([.22, .270, .357], dtype=np.float64)
print(calibers)
arr_last = int_arr.astype(calibers.dtype)
print(arr_last.dtype)
print(arr_last)

[0.22 0.27 0.357] float64 [0. 1. 2. 3. 4. 5. 6. 7. 8. 9.]

補充：Python3：numpy的簡單使用(ndarray的基本屬性以及基本生成數(shù)組的方法)

聲明

由于本人學(xué)習(xí)需要，所以開始學(xué)習(xí)numpy,這個科學(xué)計算工具，本文用于復(fù)習(xí)當前所學(xué)習(xí)的內(nèi)容（當前使用numpy的版本為：1.17.4）

1.ndarray的基本的屬性

2.生成數(shù)組的方法(主要測試生成0和生成1的方法:ones和zeros方法)

1. 輸出當前ndarray的基本屬性

# 測試當前Numpy中的narray中的屬性
# 使用的numpy的版本為：1.17.4
import numpy as np

default_array = [[1, 2, 3, 4, 5, 6],
                 [1, 2, 3, 4, 5, 6]]
np_array = np.array(default_array)
print("當前存儲后的數(shù)據(jù)的dtype類型為：{}".format(np_array.dtype))  # int32
print("查看這個對象的實際類型：{}".format(type(np_array)))  #
print("查看這個對象的形狀：{}".format(np_array.shape))  # （2，6）
print("當前這個對象的字節(jié)長度：{}".format(np_array.itemsize))  # 4
print("當前這個對象的長度(使用python的len方法)：{}".format(len(np_array)))  # 2 只迭代了一組數(shù)據(jù)外層的二維數(shù)據(jù)
print("當前這個對象的長度(使用自己的size方法)：{}".format(np_array.size))  # 獲取了所有的數(shù)據(jù)的數(shù)量

print(np.array([[1, 2, 3], [1, 2, 3]]).dtype)
print(np.array([1.2, 2.2, 3.2]).dtype)

# 可以看出當前默認使用的類型為int32
# 默認使用的浮點類型為：float64

# 修改和設(shè)定當前的使用的初始化類型
# print(np.array([[1.1,1.2,1.3]],dtype="int32").dtype)
print(np.array([[1.1,1.2,1.3]],dtype=np.int32).dtype)

總結(jié)：

1.創(chuàng)建了二維數(shù)據(jù)的時候使用原生的python的len方法獲取的長度是外層的長度，并不是二維數(shù)組實際內(nèi)容的長度！

2.通過np.array(數(shù)組)將原來的python中的數(shù)組轉(zhuǎn)換為ndarray類型的數(shù)據(jù)

3.每一個ndarray中都會有一個數(shù)據(jù)類型使用dtype表示，默認使用的整數(shù)類型為int32，浮點類型為float64

4.通過ndarray.size獲取當前ndarray中的元素的個數(shù)

5.通過ndarray.shap獲取當前的ndarray的形狀

6.使用np.array()創(chuàng)建ndarray的時候可以指定當前的ndarray的dtype，其形式可以是字符也可以是np.類型

2.使用numpy生成簡單的數(shù)組(np.zeros()，np.ones()，np.empty()，np.array())

# 使用numpy中的生成的數(shù)組數(shù)據(jù)的方法
import numpy as np

# 生成1的操作
np_array = np.zeros([2, 2])
print("當前生成的數(shù)據(jù)為：{}".format(np_array))
print("輸出當前生成的數(shù)據(jù)的類型為：{}".format(np_array.dtype))

# 說明當前默認產(chǎn)生的數(shù)據(jù)數(shù)據(jù)的類型為float64
# 現(xiàn)在改變當前的dtype,直接將當前的dtype的數(shù)據(jù)類型設(shè)置為int32
np_array.dtype = np.int32
print("當前生成的數(shù)據(jù)為：{}".format(np_array))
print("輸出當前生成的數(shù)據(jù)的類型為：{}".format(np_array.dtype))

# 生成1的數(shù)據(jù)
np_array_ones = np.ones([2, 2], dtype=np.int32)
print(np_array_ones)

# 創(chuàng)建一個未初始化的數(shù)據(jù)，默認未初始化
x = np.empty([3, 2], dtype=int)
print(x)

總結(jié)：

1.使用當前的np.zeros(shape)和np.ones(shape)方法生成全是0或者全是1的指定形狀的數(shù)組

2.通過np.empty(shape)生成空的數(shù)組

3.可以通過ndarray.dtype=dtype方式改變當前的ndarray的類型

3.使用生成數(shù)組方式二(np.asarray()，np.copy())

# 從已有的數(shù)組中創(chuàng)建數(shù)據(jù)
import numpy as np

default_array = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
default_tuple = (1, 2, 3, 4, 5, 6, 7, 8, 9, 10)
print(type(default_tuple))
copy_array = np.asarray(default_array)  # 用于淺拷貝
copy_tuple = np.asarray(default_tuple)
print("asarray數(shù)組后的數(shù)據(jù)：{}".format(copy_array))
print("asarray元組后的數(shù)據(jù)：{}".format(copy_tuple))
deep_copy_array = np.copy(default_array)
print("copy數(shù)組后的數(shù)據(jù)：{}".format(deep_copy_array))

總結(jié)：

1.這里使用np.asarray()方法生成的數(shù)組與原來的數(shù)組有關(guān)聯(lián)，是淺拷貝

2.這里的np.copy()方法生成的另外一份備份數(shù)據(jù)，是深拷貝

4.生成指定范圍的數(shù)組(np.range()，np.random.random()，np.random.randint()，np.linspace())

# 通過固定范圍生成數(shù)組,使用arange方式生成0 到 9之間的數(shù)據(jù),默認生成的數(shù)據(jù)為當前的為范圍的值，這里的步長默認就是1,結(jié)果中不包含10，這里是按照指定的步長進行迭代
range_array = np.arange(0, 10, dtype=np.int32)
print("range_array:{}".format(range_array))

# 通過隨機方式生成數(shù)組
random_array = np.random.random((2, 2))
print("使用隨機方式生成數(shù)組：{}".format(random_array))  # 默認生成的數(shù)據(jù)為0到1之間的數(shù)據(jù)

# 2 生成隨機的整數(shù)
random_array_int = np.random.randint(1, 10, (2, 2))
print("生成隨機整數(shù)：{}".format(random_array_int))

# 在指定范圍中生成15 個 1到 10之間的數(shù),這是一個隨機的數(shù)據(jù)，是等距離的，當要求的數(shù)據(jù)超過當前的范圍的數(shù)據(jù)的時候默認就會隨機生成一些數(shù)據(jù)
listspace_array = np.linspace(1, 10, 15, dtype=np.int32)  # 就是按照一定的等分進行劃分為指定個需要的數(shù)據(jù)，這里的結(jié)果中包含10，相當于當前的等差數(shù)列一樣
print("listspace_array:{}".format(listspace_array))

總結(jié)：

1.當前的random方法就是隨機生成指定區(qū)間的數(shù)據(jù)，可以指定類型

2.range就是相當于當前的python中的range方法，可以指定步長，是一個[a，b)這中數(shù)據(jù)

3.linspace用于在指定的范圍中按照指定的方式生成數(shù)組，這個是等差數(shù)列，如果當前需要的數(shù)據(jù)大于這個范圍就會出現(xiàn)隨機生成的情況

5.生成等比數(shù)列(np.logspace())

# 生成一個等比的數(shù)列，這里面的2 表示生成的樣本的個數(shù)為2 ,起始數(shù)據(jù)為1，結(jié)束數(shù)據(jù)為4,表示最小為3的1次方到當前的3的4次方
equal_ratio_array = np.logspace(1, 4, 2, dtype=np.int32)  # 這里的默認的底數(shù)為10 表示當前最小為10的一次方，最大為當前的10的4次方
print("當前的等比數(shù)列的數(shù)據(jù)為：{}".format(equal_ratio_array))

當前的等比數(shù)列的數(shù)據(jù)為：[ 10 10000]

關(guān)于“NumPy ndarray的數(shù)據(jù)類型怎么使用”這篇文章的內(nèi)容就介紹到這里，感謝各位的閱讀！相信大家對“NumPy ndarray的數(shù)據(jù)類型怎么使用”知識都有一定的了解，大家如果還想學(xué)習(xí)更多知識，歡迎關(guān)注億速云行業(yè)資訊頻道。