Numpy-02 Numpy 数据类型和常用方法
一、Numpy 中常用的对象
从给的格式可以看出,这些都是在 numpy 上衍生的对象。
ndarray -> numpy.ndarray
dtype -> numpy.dtype
array -> numpy.array
数据类型 -> numpy.
1. ndarry
ndarray 是 Numpy 中一种基本的数据对象,它是一系列同类型数据的集合。Numpy操作的数据基本对象都是 ndarray。
2. 数据类型对象
数据类型对象(numpy.dtype 类的实例)描述了如何解释与数组项对应的固定大小的内存块中的字节。
数据类型名称 | 使用方法 | 含义 |
---|---|---|
bool_ | numpy.bool_ | 布尔型数据类型(True 或者 False) |
int8 | numpy.int8 | 字节(-128 to 127) |
int16 | numpy.int16 | 整数(-32768 to 32767) |
int32 | numpy.int32 | 整数(-2147483648 to 2147483647) |
int64 | numpy.int64 | 整数(-9223372036854775808 to 9223372036854775807) |
uint8 | 无符号整数(0 to 255) | |
uint16 | 无符号整数(0 to 65535) | |
... | ... | ... |
float_ | float64 类型的简写 | |
float16 | 半精度浮点数,包括:1 个符号位,5 个指数位,10 个尾数位 | |
float32 | 单精度浮点数,包括:1 个符号位,8 个指数位,23 个尾数位 | |
float64 | 双精度浮点数,包括:1 个符号位,11 个指数位,52 个尾数位 | |
... | ... | ... |
二、基本用法及方法
1. 导入 numpy
// import numpy as np
import numpy
2. 常用的方法
说明:一般只关注函数的前几个参数即可。
zeros 和 ones 创建
numpy.empty(shape, dtype=float, order='C', *, like=None)
numpy.zeros(shape, dtype=float, order='C', *, like=None)
numpy.zeros_like(a, dtype=None, order='K', subok=True, shape=None)
numpy.ones(shape, dtype=None, order='C', *, like=None)
numpy.ones_like(a, dtype=None, order='K', subok=True, shape=None)
从现有数据创建
numpy.array(object, dtype=None, *, copy=True, order='K', subok=False, ndmin=0, like=None)
numpy.asarray(a, dtype=None, order=None, *, like=None)
numpy.frombuffer(buffer, dtype=float, count=- 1, offset=0, *, like=None)
从数值范围创建
numpy.arange([start, ]stop, [step, ]dtype=None, *, like=None)
三、问题
- 半精度,单精度,双精度,区别在哪里?
希望志同道合的朋友可以提出建议,补充不足,多多交流,共同进步,不再迷茫!Just do it!