而 NumPy 支持比 Python 本身更为丰富的数值类型,细分如下:
bool
:布尔类型,1 个字节,值为 True 或 False。int
:整数类型,通常为 int64 或 int32 。intc
:与 C 里的 int 相同,通常为 int32 或 int64。intp
:用于索引,通常为 int32 或 int64。int8
:字节(从 -128 到 127)int16
:整数(从 -32768 到 32767)int32
:整数(从 -2147483648 到 2147483647)int64
:整数(从 -9223372036854775808 到 9223372036854775807)uint8
:无符号整数(从 0 到 255)uint16
:无符号整数(从 0 到 65535)uint32
:无符号整数(从 0 到 4294967295)uint64
:无符号整数(从 0 到 18446744073709551615)float
:float64 的简写。float16
:半精度浮点,5 位指数,10 位尾数float32
:单精度浮点,8 位指数,23 位尾数float64
:双精度浮点,11 位指数,52 位尾数complex
:complex128 的简写。complex64
:复数,由两个 32 位浮点表示。complex128
:复数,由两个 64 位浮点表示。
在 NumPy 中,上面提到的这些数值类型都被归于 dtype(data-type)
对象的实例。我们可以用 numpy.dtype(object, align, copy)
来指定数值类型。而在数组里面,可以用 dtype=
参数。
三、Numpy多维数组
3.1ndarray 介绍
1、list 列表: [1,2,3]
2、Tuple 元祖:(1,2,3,4)
3.Dict 字典:{A:1,B:1}
六个参数:
1、shape:数组形状
2、dtype:数据类型
3、buffer:对象暴露缓冲区借口
4、offest:数组数据的偏移量
5、strides:数据步长
6、order:{'C','F'},以行或列为主排列顺序
3.2从列表或元组转换
numpy.array(object,dtype= None,copy = True,order = None,subok = False,ndmin = 0)
1、object:列表等
2、dtype:数据类型,
3、copy:布尔类型,默认True,表示复制对象
4、subok:布尔类型,表示子类是否被传递
5、ndmin:生成的数组应具有的最小维数
3.3arange方法创建
创建均匀间隔的值
numpy.arange(start,stop,step,dtype = None)
3.4linspace
用于在指定的区间内返回间隔均匀的值,
numpy.linspace(start,stop,num=50,endpoint = True,restetp = False,dtype = None)
num : 生成的样本数,默认值为50
endpoint : 布尔值,若为真,则最后一个样本包含在序列内。
restetp:若为真,则返回间距
3.5 ones方法创建
numpy.ones(shape,dtype = None ,order = 'C')
order: {'C','F'},安行或列方式存储数组
3.6 zeros 同上
3.7 eye 方法创建
用于创建一盒二维数组,其特点是K对角线上的值为1,其余的值为0
numpy.eye(N,M = None, K=0,dtype=<type'float'>)
N:输出数组的行数
M:输出数组