NumPy之:标量scalars
文章目录
- 简介
- scalar类型的层次结构
- 内置Scalar类型
- boolean
- Integers
- Unsigned integers
- Floating-point numbers
- Complex floating-point numbers
- Python 对象
- 可变长度数据类型
简介
Python语言中只定义了特定数据类的一种类型（比如只有一种整数类型，一种浮点类型等）。在不需要关注计算机中数据表示方式的普通应用程序中，这样做很方便。但是，对于科学计算来说，我们需要更加精确的控制类型。
在NumPy中，引入了24种新的Python scalar类型用于更加准确的描述数据。这些类型都是可以直接在NumPy中的数组中使用的，所以也叫Array scalar类型。
本文将会详细讲解这24种scalar类型。
scalar类型的层次结构
先看一个张图，看下scalar类型的层次结构：
上面实线方框括起来的，就是scalar类型。 这些标量类型，都可以通过 np.type来访问，比如：
In [130]: np.intc
Out[130]: numpy.int32
细心的小伙伴可能要问了，这不对呀，实线方框括起来的只有22中类型，还有两个类型是什么？
还有两个是代表整数指针的 intp 和 uintp 。
注意，array scalars 类型是不可变的。
我们可以isinstance来对这些数组标量来进行层次结构的检测。
例如，如果val是数组标量对象，则isinstance（val，np.generic）将返回True。如果val是复数值类型，则isinstance（val，np.complexfloating）将返回True。
内置Scalar类型
我们用下面的表来展示内置的Scalar类型和与他们相对应的C类型或者Python类型。最后一列的字符代码是类型的字符表示，在有些情况比如构建dtype中会使用到。
boolean
| 类型 | 描述 | 字符代码 |
|---|---|---|
bool_
|
compatible: Python bool |
'?'
|
bool8
|
8 bits |
Integers
| 类型 | 描述 | 字符代码 |
|---|---|---|
byte
|
compatible: C char |
'b'
|
short
|
compatible: C short |
'h'
|
intc
|
compatible: C int |
'i'
|
int_
|
compatible: Python int |
'l'
|
longlong
|
compatible: C long long |
'q'
|
intp
|
large enough to fit a pointer |
'p'
|
int8
|
8 bits | |
int16
|
16 bits | |
int32
|
32 bits | |
int64
|
64 bits |
Unsigned integers
| 类型 | 描述 | 字符代码 |
|---|---|---|
ubyte
|
compatible: C unsigned char |
'B'
|
ushort
|
compatible: C unsigned short |
'H'
|
uintc
|
compatible: C unsigned int |
'I'
|
uint
|
compatible: Python int |
'L'
|
ulonglong
|
compatible: C long long |
'Q'
|
uintp
|
large enough to fit a pointer |
'P'
|
uint8
|
8 bits | |
uint16
|
16 bits | |
uint32
|
32 bits | |
uint64
|
64 bits |
Floating-point numbers
| 类型 | 描述 | 字符代码 |
|---|---|---|
half
|
'e'
|
|
single
|
compatible: C float |
'f'
|
double
|
compatible: C double | |
float_
|
compatible: Python float |
'd'
|
longfloat
|
compatible: C long float |
'g'
|
float16
|
16 bits | |
float32
|
32 bits | |
float64
|
64 bits | |
float96
|
96 bits, platform? | |
float128
|
128 bits, platform? |
Complex floating-point numbers
| 类型 | 描述 | 字符代码 |
|---|---|---|
csingle
|
'F'
|
|
complex_
|
compatible: Python complex |
'D'
|
clongfloat
|
'G'
|
|
complex64
|
two 32-bit floats | |
complex128
|
two 64-bit floats | |
complex192
|
two 96-bit floats, platform? | |
complex256
|
two 128-bit floats, platform? |
Python 对象
| 类型 | 描述 | 字符代码 |
|---|---|---|
object_
|
any Python object |
'O'
|
对于数组中的对象类型
object_来说，存储的数据其实是Python对象的引用，所以说他们的对象类型必须一致。虽然存储的是引用，但是在取值访问的时候，返回的就是对象本身。
可以看到对于数字类型来说，int,uint,float,complex,后面可以跟上具体的数组，表示特定的长度。
intp 和 uintp 是两个指向整数的指针。
有些类型和Python自带的类型基本上是等价的，事实上这些类型就是继承自Python自带的类型：
| Array scalar type | Related Python type |
|---|---|
int_
|
IntType (Python 2 only)
|
float_
|
FloatType
|
complex_
|
ComplexType
|
bytes_
|
BytesType
|
unicode_
|
UnicodeType
|
有一个特例就是bool_ ，它和Python的 BooleanType 非常类似，但并不是继承自BooleanType。因为Python的BooleanType 是不允许被继承的。并且两者底层的数据存储长度也是不一样的。
虽然在Python中bool是int的子类。但是在NumPy中 bool_ 并不是
int_的子类，bool_ 甚至不是一个number 类型。
在Python 3 中，
int_不再继承 Python3 中的int了，因为int不再是一个固定长度的整数。
NumPy 默认的数据类型是 float_。
可变长度数据类型
下面的三种数据类型长度是可变的，
| 类型 | 描述 | 字符代码 |
|---|---|---|
bytes_
|
compatible: Python bytes |
'S#'
|
unicode_
|
compatible: Python unicode/str |
'U#'
|
void
|
'V#'
|
字符代码中的 # 表示的是数字。
上面描述的字符代码，为了和Python的其他模块进行兼容，比如struct ，需要进行下面适当的修正：
c -> S1,b -> B,1 -> b,s -> h,w -> H, 和u -> I.
本文已收录于 http://www.flydean.com/03-python-numpy-scalar/
最通俗的解读，最深刻的干货，最简洁的教程，众多你不知道的小技巧等你来发现！
欢迎关注我的公众号:「程序那些事」,懂技术，更懂你！
NumPy之:标量scalars相关推荐
- Numpy Scalars(标量)
在Python中只有一个整型和和一个浮点型的数据类型,而在NumPy中则由24种不同的数据类型. import numpy as np np.float32(-1.1) == np.float64(- ...
- numpy 数组 ::_看起来不错，没有麻烦：使用NumPy进行数组编程
numpy 数组 :: It is sometimes said that Python, compared to low-level languages such as C++, improves ...
- 【OpenCV 例程200篇】14. 图像与标量相加（cv2.add）
[OpenCV 例程200篇]14. 图像与标量相加(cv2.add) 欢迎关注 『OpenCV 例程200篇』 系列,持续更新中 欢迎关注 『Python小白的OpenCV学习课』 系列,持续更新中 ...
- Python之数据分析（Numpy的矩阵相关操作、ufunc泛化函数对象）
文章目录 一.矩阵相关操作 二.ufunc统一泛化函数 一.矩阵相关操作 1.三种构造矩阵的方法 np.matrix(二维容器, copy=True) 一参为可被解释为矩阵的二维容器,比如二维数组.二 ...
- 从入门到入土：机器学习part02|python|初步学习|numpy|Matplotlib
此博客仅用于记录个人学习进度,学识浅薄,若有错误观点欢迎评论区指出.欢迎各位前来交流.(部分材料来源网络,若有侵权,立即删除) 本人博客所有文章纯属学习之用,不涉及商业利益.不合适引用,自当删除! 若 ...
- 怎么在python中输入矩阵_如何使用NumPy在Python中实现矩阵？
矩阵被用作数学工具,在现实世界中有多种用途.在本文中,我们将按照以下顺序讨论Python中关于使用著名的NumPy库的矩阵的所有内容:什么是NumPy以及何时使用它?在NumPy 矩阵被用作数学工具, ...
- 人工智能（numpy）—— 数据分析
一.Numpy是什么? 1.Numrical Python,数值的Python,应用于数值分析领域的Python语言工具: 2.Numpy是一个开源的科学计算库: 3. ...
- DL-5 深度学习框架的对比
在深度学习领域的五大巨头里,它们都各自力挺一种深度学习框架:像谷歌有自家的TensorFlow.Facebook有Torch.百度有Paddle Paddle.微软有CNTK.而亚马逊的AWS则有MX ...
- TensorFlow-深度学习笔记
文章目录 教程 环境配置 安装Windows CPU版本tensorflow 安装CUDA.cuDNN 安装Windows GPU版本tensorflow 查看使用的是CPU还是GPU 深度学习介绍 ...
最新文章
- linux centos7 重启服务器报错 Run 'systemctl daemon-reload' to reload units
- 一起谈.NET技术，通过16道练习学习Linq和Lambda
- python 在Windows 下切换工作目录
- 企业即时通讯将成为未来企业竞争致胜的关键
- DFN-LOW算法---割点、桥、强连通分量
- linux用户登录失败，锁定用户
- Spring（16） 获得bean的id
- MySQL如何使用.sql后缀的文件
- 计算机学院支部委员会会议记录,第七周班长支书例会会议记录
- VBA操作WORD（二）：替换字符（含空格、全角字符、换行符等）
- html5 的属性和方法,Qunee for HTML5 - 中文 : 常用属性与方法
- 福布斯发布区块链50强 这5家中国公司上榜
- python爬虫爬取微信公众号历史文章链接
- Unity-存档与读档
- 史上最全推广小程序实操方法
- 百面机器学习和百面深度学习-测试1
- 集合工具类 以及 几个小面试题（是我保存的）
- 达梦数据库——DM8安装操作及体系架构介绍
- python令人迷惑的duplicated和drop_duplicates()
- 新零售未来的发展趋势怎么样？