Numpy對象與類型怎么應用

這篇文章主要講解了“Numpy對象與類型怎么應用”，文中的講解內容簡單清晰，易于學習與理解，下面請大家跟著小編的思路慢慢深入，一起來研究和學習“Numpy對象與類型怎么應用”吧！

一、Numpy 對象：ndarray

Numpy 就類似于一個數組，與Python的列表不同的是：Python的列表可以放入不同類型的數據，這樣的好處是兼容性強，但是劣勢是計算速度變慢，在大數據的處理時，我們需要高效率，所以Numpy便出現了；相比Python對象，Numpy的對象叫做ndarray；ndarray的特點：

• 一般情況下，ndarray中的所有元素，類型都相同；當然，也可以不同；

• ndarray 中每個元素都有相同大小的存儲空間；

二、新建 Numpy對象

創建一個 ndarray 只需調用 NumPy 的 array 函數即可，如下：

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

參數說明：

舉例如下：

import numpy as np  # 導入包
a = np.array([1,2,3,4])   #一維數組建立
print ('a:',a)
# 輸出： a: [1 2 3 4]

b = np.array([[1,2,3,4],[5,6,7,8]])  # 二維數組 
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)  # 指定最小緯度
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)  #制定數據類型
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數據類型

3.1 常見數據類型

由于是專門用來數據分析的包，故numpy支持非常多種數據類型，可根據需求選擇合適的數據類型，可以大大提高運行速度；常用的數據類型如下： 備注：調用numpy 數據類型時，可以通過np.數據類型來調用，例如：np.int8，np.float16 等；

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

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

3.2 數據類型轉換

使用astype來改變數組的數據類型

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]  輸出變為了整型

3.3 數據類型dtype

數據類型對象（numpy.dtype 類的實例）用來描述與數組對應的內存區域是如何使用；使用方法如下：

numpy.dtype(object, align, copy)

參數說明：

舉例如下：

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.)]

感謝各位的閱讀，以上就是“Numpy對象與類型怎么應用”的內容了，經過本文的學習后，相信大家對Numpy對象與類型怎么應用這一問題有了更深刻的體會，具體使用情況還需要大家實踐驗證。這里是億速云，小編將為大家推送更多相關知識點的文章，歡迎關注！