NumPy andmetüübid - Õppige erinevaid räpaseid andmetüüpe - Näited

• NumPy andmetüüpide tutvustus

NumPy andmetüüpide tutvustus

Andmetüüp on andmetega seotud atribuut, mis määratleb väärtuste liigid, mida andmed saavad hoida, milliseid toiminguid saab sellega teha ja mis kõige tähtsam - selle jaoks vajaliku mäluruumi suurus. Mõned väga levinud andmetüübid on täisarv, reaalne, tõeväärtus ja sümbol. Selles artiklis proovime mõista erinevaid andmetüüpe, mida Numpy toetab. Numpy on python-pakett, mida kasutatakse teaduslikuks arvutamiseks. See on kirjutatud puhtalt C-programmeerimiskeeles. Seega võime eeldada, et Numpy andmetüübid on enam-vähem C-andmetüüpide versiooniuuendused.

Tuhmid andmetüübid

Erinevad andmetüübid, mida numpy toetab:

Räpane andmetüüp	Tihedalt seotud C-andmetüüp	Ladustamise suurus	Kirjeldus
np.bool_	loll	1 bait	mahutab tõeväärtusi, näiteks (õige või vale) või (0 või 1)
np.byte	allkirjastatud char	1 bait	mahutab väärtusi vahemikus 0 kuni 255
np.ubyte	allkirjastamata char	1 bait	võib hoida väärtusi vahemikus -128 kuni 127
np.lühike	allkirjastatud lühike	2 baiti	võib hoida väärtusi vahemikus -32 768 kuni 32 767
np.ushort	allkirjastamata lühike	2 baiti	mahutab väärtusi vahemikus 0 kuni 65 535
np.uintc	allkirjastamata int	2 või 4 baiti	võib hoida väärtusi vahemikus 0 kuni 65 535 või 0 kuni 4 294 967 295
np.int_	pikk	8 baiti	mahutab väärtusi vahemikus -9223372036854775808 kuni 9223372036854775807
np.uint	allkirjastamata pikk	8 baiti	0 kuni 18446744073709551615
np.longlong	pikk pikk	8 baiti	mahutab väärtusi vahemikus -9223372036854775808 kuni 9223372036854775807
np.ulonglong	allkirjastamata pikk pikk	8 baiti	0 kuni 18446744073709551615
np.hind / np.float16	-		võimaldab poole hõljumise täpsusega Formaat: märkbit, 5 bitti eksponenti, 10 bitti mantissa
np.single	hõljuma	4 baiti	võimaldab ühekordse ujuki täpsusega Formaat: märkbit, 8 bitti eksponenti, 23 bitti mantissa
np.double	kahekordne	8 baiti	võimaldab topelt ujuki täpsust Formaat: märkbit, 11 bitti eksponenti, 52 bitti mantissa.
np.longdouble	pikk topelt	8 baiti	ujuki pikendamine
np.csingle	ujuki kompleks	8 baiti	mahutab keerulisi reaalsete ja kujutletavate osadega kuni ühe täpsusega ujuk
np.cdouble	kahekordne kompleks	16 baiti	mahutab keerulisi reaalsete ja kujutletavate osadega kuni kahekordse täpsusega ujuk
np.clongdouble	pikk kahekordne kompleks	16 baiti	ujuki laiendamine keeruka numbri jaoks
np.int8	int8_t	1 bait	võib hoida väärtusi vahemikus -128 kuni 127
np.int16	int16_t	2 baiti	võib hoida väärtusi vahemikus -32 768 kuni 32 767
np.int32	int32_t	4 baiti	võib hoida väärtusi vahemikus -2 147 483 648 kuni 2 147 483 647
np.int64	int64_t	8 baiti	mahutab väärtusi vahemikus -9223372036854775808 kuni 9223372036854775807
np.uint8	uint8_t	1 bait	mahutab väärtusi vahemikus 0 kuni 255
np.uint16	uint16_t	2 baiti	mahutab väärtusi vahemikus 0 kuni 65 535
np.uint32	uint32_t	4 baiti	võib hoida väärtusi vahemikus 0 kuni 4 294 967 295
np.uint64	uint64_t	8 baiti	mahutab väärtusi vahemikus 0 kuni 18446744073709551615
np.intp	intptr_t	4 baiti	indekseerimiseks kasutatud allkirjastatud täisarvu
np.uintp	uintptr_t	4 baiti	allkirjastamata täisarv, mida kasutatakse osuti hoidmiseks
np.float32	hõljuma	4 baiti	ühekordne ujuki täpsus
np.float64	kahekordne	8 baiti	topelt ujuki täpsus
np.complex64	ujuki kompleks	8 baiti	ühekordse ujuki täpsus keerukates arvudes
np.complex128	kahekordne kompleks	16 baiti	topelt ujuki täpsus keerulistes arvudes

NumPy andmetüüpide näited

Saame nüüd aru, kuidas konkreetset numpy andmetüüpi kasutatakse.

Näide nr 1

Andmetüübi objekti loomine

dt = np.dtype(np.int8)

Väljund:

Näide 2

Andmetüübi suuruse leidmine

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

Väljund:

Näide 3

Andmetüübi objekti loomine, kasutades iga andmetüübi jaoks ainulaadseid sümboleid

Igal numph-tüüpi andmetüübil on seotud märgikood, mis tuvastab selle unikaalselt.

dt = np.dtype('i4')

Väljund:

Näide 4

Andmetüüpide kasutamine struktureeritud massiivi loomiseks

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

Väljund:

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

Väljund:

Järeldus

Tüpilised andmetüübid sarnanevad enam-vähem C tüüpi andmetüüpidega. Neid saab laias laastus liigitada booliks, baidiks, int, hõljumiseks, kahekordseks ja keerukaks. Tublid programmeerijad peavad mõistma, kuidas andmeid hoitakse ja nendega manipuleeritakse. Seda on võimalik saavutada andmetüüpide tõhusa mõistmise kaudu.

Soovitatavad artiklid

See on NumPy andmetüüpide juhend. Siin arutleme selle üle, kuidas konkreetset numph andmetüüpi kasutatakse koos näidetega. Võite lisateabe saamiseks vaadata ka järgmisi artikleid -

1. Mis on NumPy?
2. Matplotlib Pythonis
3. Pythoni andmetüübid
4. Sõnastik Pythonis