Numpy对象与类型怎么应用

这篇文章主要讲解了“Numpy对象与类型怎么应用”，文中的讲解内容简单清晰，易于学习与理解，下面请大家跟着小编的思路慢慢深入，一起来研究和学习“Numpy对象与类型怎么应用”吧！

创新互联公司服务项目包括饶河网站建设、饶河网站制作、饶河网页制作以及饶河网络营销策划等。多年来，我们专注于互联网行业，利用自身积累的技术优势、行业经验、深度合作伙伴关系等，向广大中小型企业、政府机构等提供互联网行业的解决方案，饶河网站推广取得了明显的社会效益与经济效益。目前，我们服务的客户以成都为中心已经辐射到饶河省份的部分城市，未来相信会继续扩大服务区域并继续获得客户的支持与信任！

一、Numpy 对象：ndarray

Numpy 就类似于一个数组，与Python的列表不同的是：Python的列表可以放入不同类型的数据，这样的好处是兼容性强，但是劣势是计算速度变慢，在大数据的处理时，我们需要高效率，所以Numpy便出现了；相比Python对象，Numpy的对象叫做ndarray；ndarray的特点：

• 一般情况下，ndarray中的所有元素，类型都相同；当然，也可以不同；

• ndarray 中每个元素都有相同大小的存储空间；

二、新建 Numpy对象

创建一个 ndarray 只需调用 NumPy 的 array 函数即可，如下：

numpy.array(object, dtype = None, copy = True, order = None, subok = False, ndmin = 0)

参数说明：

举例如下：

import numpy as np  # 导入包
a = np.array([1,2,3,4])   #一维数组建立
print ('a:',a)
# 输出： a: [1 2 3 4]

b = np.array([[1,2,3,4],[5,6,7,8]])  # 二维数组 
print ('b:',b)
# b: [[1 2 3 4]
#  [5 6 7 8]]

c = np.array([[1,2,3,4],[5,6,7,8]],ndmin=3)  # 指定最小纬度
print ('c:',c)
# c: [[[1 2 3 4]
#   [5 6 7 8]]]

d = np.array([[1,2,3,4],[5,6,7,8]],dtype=complex)  #制定数据类型
print ('d:',d)
# d: [[1.+0.j 2.+0.j 3.+0.j 4.+0.j]
#  [5.+0.j 6.+0.j 7.+0.j 8.+0.j]]

三、Numpy数据类型

3.1 常见数据类型

由于是专门用来数据分析的包，故numpy支持非常多种数据类型，可根据需求选择合适的数据类型，可以大大提高运行速度；常用的数据类型如下： 备注：调用numpy 数据类型时，可以通过np.数据类型来调用，例如：np.int8，np.float16 等；

a = np.array([1.1,2,3,4],dtype = np.float64)  
print ('a:',a)   # float64 类型

b = np.array([[1,2,3,4],[5,6,7,8]],dtype = 'f4') 
print ('b:',b)   # float32 类型

3.2 数据类型转换

使用astype来改变数组的数据类型

a = np.array([1.1,2.3,3.5,4.7],dtype = np.float64)  
b = a.astype(np.int_)
print(b)
# [1 2 3 4]  输出变为了整型

3.3 数据类型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；使用方法如下：

numpy.dtype(object, align, copy)

参数说明：

举例如下：

student = np.dtype([('name','S10'), ('age', 'i1'), ('marks', 'f4')]) 
a = np.array([('abc', 21, 50),('xyz', 18, 75)], dtype = student) 
print(a)
# [(b'abc', 21, 50.) (b'xyz', 18, 75.)]

感谢各位的阅读，以上就是“Numpy对象与类型怎么应用”的内容了，经过本文的学习后，相信大家对Numpy对象与类型怎么应用这一问题有了更深刻的体会，具体使用情况还需要大家实践验证。这里是创新互联，小编将为大家推送更多相关知识点的文章，欢迎关注！