Typy danych w Numpy
W samym Pythonie występują następujące typy danych:
Typ string – typ znakowy (jedna litera lub ciąg znaków)
Typ boolean – czyli Tak albo Nie, prawda(True) albo fałsz(False), 1 - (prawda) albo 0 - (fałsz)
Typ liczbowy – int (typ całkowity), float (typ zmiennoprzecinkowy), complex (liczby rzeczywiste)
Typ sekwencji – lista, tupla, range
Typ zestawów - set, frozenset
Typ mapowania - słownik
Typy binarne - bytes, bytearray, memoryview
Funkcja
Kliknij i przeczytaj Więcej o typach danych w Pythonie.
W
Numpy istnieją dodatkowe typy danych, wiele z nich zaczerpniętych jest z C i różnią się m.in. możliwą długością zapisanych w nich danych:
np.int8 - Byte (-128 to 127)
np.int16 - Integer (-32768 to 32767)
np.int32 - Integer (-2147483648 to 2147483647)
np.uint8 - Unsigned integer (0 to 255)
np.float32 - float
np.float64 - double float - ta sama precyzja co wbudowany float pythona
np.complex64 - float complex - liczba zespolona
np.U - unicode string
np.S - string
np.M - datetime
np.m - timedelta
W
Numpy typy danych reprezentowane są poprzez znaki:
i - integer
b - boolean
u - unsigned integer
f - float
c - complex float
m - timedelta
M - datetime
O - object
S - string
U - unicode string
V - void
Sprawdzanie typu danych tablicy
Przykład 1, atrybut 'dtype' pobierze typ danych w Numpy
import numpy as np
x=np.array([1,2,3,4,5,6])
print(x.dtype)
int32 #wynik
Przykład 2, atrybut 'dtype' pobierze typ danych w Numpy
import numpy as np
x=np.array(["a","b","c","d"])
print(x.dtype)
<U1 #wynik
Tworzenie tablic wraz ze zdefiniowaniem typu danych
W Numpy metoda array() oraz przyjęty przez nią dodatkowo argument dtype, pozwala na tworzenie tablic ze zdefiniowanym typem danych:
Przykład 1
import numpy as np
x=np.array(["bananik"],dtype='S')
print(x.dtype)
|S7 #wynik
Przykład 2 - dla i, u, f, Si U możemy zdefiniować rozmiar
import numpy as np
x=np.array(["bananik"],dtype='S7')
print(x.dtype)
|S7 #wynik
