说明
参考文件地址:https://github.com/datawhalechina/team-learning-program/tree/master/IntroductionToNumpy
之前都是用到那查那里,这次较为系统的学习,在此记录整理。
numpy数据类型
- 基本数据类型
python原生的数据类型较少,为了加以区分 numpy 在这些类型名称末尾都加了“_”
类型 | 备注 | 说明 |
---|---|---|
bool_ = bool8 | 8位 | 布尔类型 |
int8 = byte | 8位 | 整型 |
int16 = short | 16位 | 整型 |
int32 = intc | 32位 | 整型 |
int_ = int64 = long = int0 = intp | 64位 | 整型 |
uint8 = ubyte | 8位 | 无符号整型 |
uint16 = ushort | 16位 | 无符号整型 |
uint32 = uintc | 32位 | 无符号整型 |
uint64 = uintp = uint0 = uint | 64位 | 无符号整型 |
float16 = half | 16位 | 浮点型 |
float32 = single | 32位 | 浮点型 |
float_ = float64 = double | 64位 | 浮点型 |
str = unicode = str0 = unicode | Unicode | 字符串 |
datetime64 | 日期时间类型 | |
timedelta64 | 表示两个时间之间的间隔 |
-
注意事项
-
Python 的浮点数通常是64位浮点数,几乎等同于 np.float64
-
Python 的int 是灵活的,整数可以扩展以容纳任何整数并且不会溢出 ;numpy存在溢出风险。
numpy各整数类型的范围展示如下:import numpy as np
ii16 = np.iinfo(np.int16)
print(ii16.min) # -32768
print(ii16.max) # 32767
ii32 = np.iinfo(np.int32)
print(ii32.min) # -2147483648
print(ii32.max) # 2147483647numpy浮点型的范围展示如下:
ff16 = np.finfo(np.float16)
print(ff16.bits) # 16
print(ff16.min) # -65500.0
print(ff16.max) # 65500.0
print(ff16.eps) # 0.000977
ff32 = np.finfo(np.float32)
print(ff32.bits) # 32
print(ff32.min) # -3.4028235e+38
print(ff32.max) # 3.4028235e+38
print(ff32.eps) # 1.1920929e-07
-
-
特殊常量
- numpy.nan 空值
注:- 两个numpy.nan是不相等的
- 可以用numpy.isnan()来判断是否为空
numpy.isnan(x, *args, **kwargs) Test element-wise for NaN and return result as a boolean array
- numpy.inf 无穷大
- numpy.pi 圆周率
- numpy.e 自然常数
- numpy.nan 空值
时间和日期
- 基础
在 numpy 中,我们很方便的将字符串转换成时间日期类型 datetime64(datetime 已被 python 包含的日期时间库所占用)。datatime64是带单位的日期时间类型,其单位如下:
日期单位 | 代码含义 | 时间单位 | 代码含义 |
---|---|---|---|
Y | 年 | h | 小时 |
M | 月 | m | 分钟 |
W | 周 | s | 秒 |
D | 天 | ms | 毫秒 |
us | 微秒 | ||
ns | 纳秒 | ||
ps | 皮秒 | ||
fs | 飞秒 | ||
as | 阿托秒 |
- 从字符串创建 datetime64 类型时,默认情况下,numpy 会根据字符串自动选择对应的单位
import numpy as np
a = np.datetime64(‘2020-03-01’)
print(a, a.dtype) # 2020-03-01 datetime64[D]
a = np.datetime64(‘2020-03’)
print(a, a.dtype) # 2020-03 datetime64[M]
a = np.datetime64(‘2020-03-08 20:00:05’)
print(a, a.dtype) # 2020-03-08T20:00:05 datetime64[s]
a = np.datetime64(‘2020-03-08 20:00’)
print(a, a.dtype) # 2020-03-08T20:00 datetime64[m]
a = np.datetime64(‘2020-03-08 20’)
print(a, a.dtype) # 2020-03-08T20 datetime64[h]
- 从字符串创建 datetime64 类型时,可以强制指定使用的单位。
a = np.datetime64(‘2020-03’, ‘D’)
print(a, a.dtype) # 2020-03-01 datetime64[D]
print(np.datetime64(‘2020-03’) == np.datetime64(‘2020-03-01’)) # True
print(np.datetime64(‘2020-03’) == np.datetime64(‘2020-03-02’)) #False
- 从字符串创建 datetime64 数组时,如果单位不统一,则一律转化成其中最小的单位
a = np.array([‘2020-03’, ‘2020-03-08’, ‘2020-03-08 20:00’], dtype=‘datetime64’)
print(a, a.dtype)# [‘2020-03-01T00:00’ ‘2020-03-08T00:00’ ‘2020-03-08T20:00’] datetime64[m]
- 使用arange()创建 datetime64 数组,用于生成日期范围
a = np.arange(‘2020-08-01’, ‘2020-08-10’, dtype=np.datetime64)
print(a)
# [‘2020-08-01’ ‘2020-08-02’ ‘2020-08-03’ ‘2020-08-04’ ‘2020-08-05’
# ‘2020-08-06’ ‘2020-08-07’ ‘2020-08-08’ ‘2020-08-09’]
print(a.dtype) # datetime64[D]
a = np.arange(‘2020-08-01 20:00’, ‘2020-08-10’, dtype=np.datetime64)
print(a)
# [‘2020-08-01T20:00’ ‘2020-08-01T20:01’ ‘2020-08-01T20:02’ …
# ‘2020-08-09T23:57’ ‘2020-08-09T23:58’ ‘2020-08-09T23:59’]
print(a.dtype)
# datetime64[m]
-
datetime64 和 timedelta64 运算
- timedelta64 表示两个 datetime64 之间的差。timedelta64 也是带单位的,并且和相减运算中的两个 datetime64 中的较小的单位保持一致.
a = np.datetime64(‘2020-03-08’) - np.datetime64(‘2020-03-07’)
b = np.datetime64(‘2020-03-08’) - np.datetime64(‘202-03-07 08:00’)
c = np.datetime64(‘2020-03-08’) - np.datetime64(‘2020-03-07 23:00’, ‘D’)
print(a, a.dtype) # 1 days timedelta64[D]
print(b, b.dtype) # 956178240 minutes timedelta64[m]
print(c, c.dtype) # 1 days timedelta64[D]
a = np.datetime64(‘2020-03’) + np.timedelta64(20, ‘D’)
b = np.datetime64(‘2020-06-15 00:00’) + np.timedelta64(12, ‘h’)
print(a, a.dtype) # 2020-03-21 datetime64[D]
print(b, b.dtype) # 2020-06-15T12:00 datetime64[m]- 注:生成 timedelta64时,要注意年(‘Y’)和月(‘M’)这两个单位无法和其它单位进行运算(一年有几天?一个月有几个小时?这些都是不确定的)
a = np.timedelta64(1, ‘Y’)
print(np.timedelta64(a, ‘D’))
# TypeError: Cannot cast NumPy timedelta64 scalar from metadata [Y] to [D] according to the rule ‘same_kind’-
timedelta64 间的运算
a = np.timedelta64(1, ‘Y’)
b = np.timedelta64(6, ‘M’)
c = np.timedelta64(1, ‘W’)
d = np.timedelta64(1, ‘D’)
e = np.timedelta64(10, ‘D’)
print(a) # 1 years
print(b) # 6 months
print(a + b) # 18 months
print(a - b) # 6 months
print(2 * a) # 2 years
print(a / b) # 2.0
print(c / d) # 7.0
print(c % e) # 7 days -
numpy.datetime64 与 datetime.datetime 相互转换
import numpy as np
import datetime
dt = datetime.datetime(year=2020, month=6, day=1, hour=20, minute=5, second=30)
dt64 = np.datetime64(dt, ‘s’)
print(dt64, dt64.dtype)
# 2020-06-01T20:05:30 datetime64[s]
dt2 = dt64.astype(datetime.datetime)
print(dt2, type(dt2))
# 2020-06-01 20:05:30 <class ‘datetime.datetime’>
-
numpy.busday_offset ——— 工作日功能
numpy.busday_offset(dates, offsets, roll=‘raise’, weekmask=‘1111100’, holidays=None, busdaycal=None, out=None)
First adjusts the date to fall on a valid day according to the roll rule, then applies offsets to the given dates counted in valid days.
参数roll:{‘raise’, ‘nat’, ‘forward’, ‘following’, ‘backward’, ‘preceding’, ‘modifiedfollowing’, ‘modifiedpreceding’}
‘raise’ means to raise an exception for an invalid day.
‘nat’ means to return a NaT (not-a-time) for an invalid day.
‘forward’ and ‘following’ mean to take the first valid day later in time.
‘backward’ and ‘preceding’ mean to take the first valid day earlier in time.将指定的偏移量应用于工作日,单位天(‘D’)。计算下一个工作日,如果当前日期为非工作日,默认报错。可以指定 forward 或 backward 规则来避免报错。
a = np.busday_offset(‘2020-07-11’, offsets=1)
print(a)
# ValueError: Non-business day date in busday_offset
a = np.busday_offset(‘2020-07-11’, offsets=0, roll=‘forward’)
b = np.busday_offset(‘2020-07-11’, offsets=0, roll=‘backward’)
print(a) # 2020-07-13
print(b) # 2020-07-10可以指定偏移量为 0 来获取当前日期向前或向后最近的工作日,当然,如果当前日期本身就是工作日,则直接返回当前日期
-
np.is_busday —— 判断指定日期是否是工作日
b = np.is_busday(‘2020-07-11’)
print(b) # False拓展:
- np.count_nonzero(np.is_busday(a)) —— 统计一个 datetime64[D] 数组中的工作日天数
- 自定义周掩码值,即指定一周中哪些星期是工作日。
b = np.is_busday(‘2020-07-10’, weekmask=[1, 1, 1, 1, 0, 0, 1])
print(b) # False
-
np.busday_count —— 返回两个日期之间的工作日数量
begindates = np.datetime64(‘2020-07-10’)
enddates = np.datetime64(‘2020-07-20’)
a = np.busday_count(begindates, enddates)
print(a) # 6