python 标量_标量 | NumPy 中文

# 标量

Python只定义了一种特定数据类(只有一种整数类型，一种浮点类型等)。这在不需要关心数据在计算机中表示的所有方式的应用中是方便的。然而，对于科学计算，通常需要更多的控制。

在NumPy中，有24种新的基本Python类型来描述不同类型的标量。这些类型描述符主要基于CPython编写的C语言中可用的类型，其他几种类型与Python的类型兼容。

数组标量具有与之相同的属性和方法ndarrays。[1]这允许人们将数组中的项目部分地放在与数组相同的基础上，从而平滑混合标量和数组操作时产生的粗糙边缘。

数组标量存在于数据类型的层次结构中(请参见下图)。

可以使用层次结构检测它们：例如，如果Val是数组标量对象，则 isinstance(val，np.generic) 将返回 True。

或者，可以使用数据类型层次结构的其他成员来确定存在哪种数组标量。

因此，例如，如果val是复数值类型，则 isinstance(val，np.complexfloat) 将返回 True，

而如果 val 是灵活的itemsize数组类型之一(string、unicode、void)，

则 isinstance(val，np.Flexible) 将返回 True。

图：表示数组数据类型的类型对象的层次结构。

未示出两种整数类型intp、uintp它们仅指向保存平台指针的整数类型。

所有数字类型也可以使用位宽名称获得。

[1]但是，数组标量是不可变的，因此没有数组标量属性可以设置。

# 内置标量类型

内置标量类型如下所示。连同它们的(主要是)C衍生的名称时，整数，浮点数，和复杂的数据类型也可使用位宽度约定，以便正确的大小的数组可以总是确保(例如int8，float64，

complex128)。还提供了两个别名(intp和uintp)指向足以容纳C指针的整数类型。类似C的名称与字符代码相关联，如表中所示。但是，不鼓励使用字符代码。

一些标量类型基本上等同于基本的Python类型，因此从它们以及通用数组标量类型继承： 数组标量类型 相关的Python类型 int_ IntType (仅限Python 2)

float_ FloatType

complex_ ComplexType

bytes_ BytesType

unicode_ UnicodeType

该bool_数据类型是非常类似的Python

BooleanType，但不继承它，因为Python的

BooleanType不允许自己被继承，并在C级的实际布尔数据的大小是不一样的一个Python布尔标量。

警告

该bool_类型不是该类型的子类int_(bool_甚至不是数字类型)。这与Python bool作为int的子类的默认实现不同。

警告

的int_类型并没有从继承

int内置Python 3下，因为类型int不再是固定宽度的整数类型。

NumPy中的默认数据类型是float_。

在下表中，platform?表示该类型可能并非在所有平台上都可用。指出了与不同C或Python类型的兼容性：如果两种类型的数据具有相同的大小并以相同的方式解释，则它们是兼容的。

布尔(Booleans)： 类型 备注 字符代码 bool_ 兼容：Python bool '?'

bool8 8位

整数(Integers)： 类型 备注 字符代码 byte 兼容：C char 'b'

short 兼容：C短 'h'

intc 兼容：C int 'i'

int_ 兼容：Python int 'l'

longlong 兼容：C长 'q'

intp 大到足以适合指针 'p'

int8 8位

int16 16位

int32 32位

int64 64位

无符号整数(Unsigned integers)： 类型 备注 字符代码 ubyte compatible：C unsigned char 'B'

ushort 兼容：C unsigned short 'H'

uintc compatible：C unsigned int 'I'

uint 兼容：Python int 'L'

ulonglong 兼容：C长 'Q'

uintp 大到足以适合指针 'P'

uint8 8位

uint16 16位

uint32 32位

uint64 64位

浮点数字(Floating-point numbers)： 类型 备注 字符代码 half 'e'

single 兼容：C浮动 'f'

double 兼容：C双

float_ 兼容：Python float 'd'

longfloat 兼容：C长浮 'g'

float16 16位

float32 32位

float64 64位

float96 96位，平台？

float128 128位，平台？

复杂的浮点数(Complex floating-point numbers)： 类型 备注 字符代码 csingle 'F'

complex_ 兼容：Python复杂 'D'

clongfloat 'G'

complex64 两个32位浮点数

complex128 两个64位浮点数

complex192 两个96位浮动平台？

complex256 两个128位浮点数，平台？

任何Python对象(Any Python object)： 类型 备注 字符代码 object_ 任何Python对象 'O'

注意

实际存储在对象数组中的数据( 即 具有dtype的数组object_)是对Python对象的引用，而不是对象本身。因此，对象数组的行为更像普通的Python lists，因为它们的内容不必是相同的Python类型。

对象类型也是特殊的，因为包含object_项的数组

不会object_在项访问时返回对象，而是返回数组项引用的实际对象。

以下数据类型是灵活的：它们没有预定义的大小，并且它们描述的数据在不同的数组中可以具有不同的长度。(在字符代码中#是一个整数，表示数据类型包含多少个元素。) 类型 备注 字符代码 bytes_ 兼容：Python字节 'S#'

unicode_ 兼容：Python unicode / str 'U#'

void 'V#'

警告

数字兼容性：如果您在数字代码中使用了旧的类型代码字符(从未推荐过)，

则需要将其中一些更改为新字符。

特别是，所需的更改是 c -> S1, b -> B, 1 -> b, s -> h, w -> H 和 u -> I。

这些更改使类型字符约定与其他Python更加一致 诸如 struct 模块之类的模块。

# 属性

数组标量对象的 数组优先级 为NPY_SCALAR_PRIORITY (-1，000，000.0)。它们也(还)没有 ctypes 属性。否则，它们与数组共享相同的属性：

# 索引

数组标量可以像0维数组一样索引：如果 x 是数组标量， x[()] 返回数组标量的副本

x[...] 返回0维 ndarray

x['field-name']返回字段 field-name中 的数组标量。(例如， x 可以包含字段，当它对应于结构化数据类型时。)

# 方法

数组标量具有与数组完全相同的方法。这些方法的默认行为是在内部将标量转换为等效的0维数组并调用相应的数组方法。

此外，数组标量的数学运算被定义，使得在相同的硬件标志被设置，

并用于解释结果作为通函数(ufunc)，

使得用于ufuncs错误状态也延续到上数组标量的数学。

以上规则的例外情况如下： 方法 描述 numpy标量类型的基类。

sc .__ array __(dtype)从带有指定dtype的标量返回0-dim数组

sc .__ array_wrap __(obj)从数组返回标量

# 定义新类型

有两种方法可以有效地定义新的数组标量类型(除了从内置标量类型组合结构化类型dtypes)：一种方法是简单地子类化

ndarray并覆盖感兴趣的方法。

这将在一定程度上起作用，但内部某些行为由数组的数据类型修复。要完全自定义数组的数据类型，

您需要定义新的数据类型，并使用NumPy进行注册。

这些新类型只能使用NumPy C-API在C中定义。