Numpy 데이터 형식 대상(dtype)에 대한 자세 한 설명

상용 방법

#    numpy      np，    numpy      
 #      
>>>type(float)
dtype('float64')
#       
>>> dtype('f')
dtype('float32')
>>> dtype('d')
dtype('float64')
#        
>>> dtype('f8')
dtype('float64')
#         
>>> sctypeDict.keys()
[0, … 'i2', 'int0']
 
# char           
>>> t = dtype('Float64')
>>> t.char
'd'
# type         
>>> t.type
<type 'numpy.float64'>
 
# str            
#          ，<     ，>     ，|         
>>> t.str
'<f8'
 
#     
>>> t.itemsize
8
 
#        dtype   
#       、      dtype    
>>> arange(7, dtype=uint16)
array([0, 1, 2, 3, 4, 5, 6], dtype=uint16)

형식 매개 변수 및 줄 임 말
유형
문자 코드
bool
?, b1
int8
b, i1
uint8
B, u1
int16
h, i2
uint16
H, u2
int32
i, i4
uint32
I, u4
int64
q, i8
uint64
Q, u8
float16
f2, e
float32
f4, f
float64
f8, d
complex64
F4, F
complex128
F8, D
str
a,S(S 뒤에 숫자 를 추가 하여 문자열 의 길 이 를 표시 할 수 있 습 니 다.예 를 들 어 S3 는 길이 가 3 인 문자열 을 표시 하고 쓰 지 않 으 면 최대 길이 입 니 다)
unicode
U
object
O
void
V
사용자 정의 이 구 데이터 형식
기본 서식

import numpy
#  t       
>>> t = dtype([('name', str, 40), ('numitems', numpy.int32), ('price',numpy.float32)])
>>> t
dtype([('name', '|S40'), ('numitems', '<i4'), ('price','<f4')])
 
#       
>>> t['name']
dtype('|S40')
 
#           
#          
>>> itemz = array([('Meaning of life DVD', 42, 3.14), ('Butter', 13,2.72)], dtype=t)
>>> itemz[1]
('Butter', 13, 2.7200000286102295)
#    *
>>>adt = np.dtype("a3, 3u8, (3,4)a10") #3     、3 64      、3*4 10       ，  8   
>>>itemz = np.array([('Butter',[13,2,3],[['d','o','g','s'],['c','a','t','s'],['c','o','w','s']])],dtype=adt)
>>>itemz
(b'But', [13, 2, 3], [[b'd', b'o', b'g', b's'], [b'c', b'a', b't', b's'], [b'c', b'o', b'w', b's']])

기타 서식

#(flexible_dtype, itemsize)             ，      ：
>>> dt = np.dtype((void, 10)) #10 
>>> dt = np.dtype((str, 35))  # 35     
>>> dt = np.dtype(('U', 10))  # 10  unicode string
 
#(fixed_dtype, shape)              ，        
>>> dt = np.dtype((np.int32, (2,2)))     # 2*2int   
  : >>>item = np.array([([12,12],[55,56])], dtype=dt)
array([[12, 12], [55, 56]])
>>> dt = np.dtype(('S10', 1))         # 10     
>>> dt = np.dtype(('i4, (2,3)f8, f4', (2,3))) # 2*3     
 
#[(field_name, field_dtype, field_shape), …]
>>> dt = np.dtype([('big', '>i4'), ('little', '<i4')])
>>> dt = np.dtype([('R','u1'), ('G','u1'), ('B','u1'), ('A','u1')])
 
#{‘names': …, ‘formats': …, ‘offsets': …, ‘titles': …, ‘itemsize': …}：
>>> dt= np.dtype（{'names':('Date','Close'),'formats':('S10','f8')}）
>>> dt = np.dtype({'names': ['r','b'], 'formats': ['u1', 'u1'], 'offsets': [0, 2],'titles': ['Red pixel', 'Blue pixel']})
 
#(base_dtype, new_dtype)：
>>>dt = np.dtype((np.int32, (np.int8, 4))) //base_dtype   4 int8    

이상 의 Numpy 데이터 형식 대상(dtype)에 대한 상세 한 설명 은 바로 편집장 이 여러분 에 게 공유 한 모든 내용 입 니 다.참고 하 시기 바 랍 니 다.여러분 들 도 저 희 를 많이 응원 해 주 셨 으 면 좋 겠 습 니 다.