常用方法

#記住引入numpy時要是用別名np，則所有的numpy字樣都要替換
 #查詢數值型別
>>>type(float)
dtype('float64')
# 查詢字元程式碼
>>> dtype('f')
dtype('float32')
>>> dtype('d')
dtype('float64')
# 查詢雙字元程式碼
>>> dtype('f8')
dtype('float64')
# 獲取所有字元程式碼
>>> sctypeDict.keys()
[0,… 'i2','int0']
 
# char 屬性用來獲取字元程式碼
>>> t = dtype('Float64')
>>> t.char
'd'
# type 屬性用來獲取型別
>>> t.type
<type 'numpy.float64'>
 
# str 屬性獲取完整字串表示
# 第一個字元是位元組序，< 表示小端，> 表示大端，| 表示平臺的位元組序
>>> t.str
'<f8'
 
# 獲取大小
>>> t.itemsize
8
 
# 許多函式擁有 dtype 引數
# 傳入數值型別、字元程式碼和 dtype 都可以
>>> arange(7,dtype=uint16)
array([0,1,2,3,4,5,6],dtype=uint16)

型別引數及縮寫

自定義異構資料型別

基本書寫格式

import numpy
#定義t的各個欄位型別
>>> t = dtype([('name',str,40),('numitems',numpy.int32),('price',numpy.float32)])
>>> t
dtype([('name','|S40'),'<i4'),'<f4')])
 
# 獲取欄位型別
>>> t['name']
dtype('|S40')
 
# 使用記錄型別建立陣列
# 否則它會把記錄拆開
>>> itemz = array([('Meaning of life DVD',42,3.14),('Butter',13,2.72)],dtype=t)
>>> itemz[1]
('Butter',2.7200000286102295)
#再舉個例*
>>>adt = np.dtype("a3,3u8,(3,4)a10") #3位元組字串、3個64位整型子陣列、3*4的10位元組字串陣列，注意8為位元組
>>>itemz = np.array([('Butter',[13,3],[['d','o','g','s'],['c','a','t','w','s']])],dtype=adt)
>>>itemz
(b'But',[[b'd',b'o',b'g',b's'],[b'c',b'a',b't',b'w',b's']])

其他書寫格式

#(flexible_dtype,itemsize)第一個大小不固定的引數型別，第二傳入大小：
>>> dt = np.dtype((void,10)) #10位
>>> dt = np.dtype((str,35))  # 35字元字串
>>> dt = np.dtype(('U',10))  # 10字元unicode string
 
#(fixed_dtype,shape)第一個傳入固定大小的型別引數，第二引數傳入個數
>>> dt = np.dtype((np.int32,(2,2)))     # 2*2int子陣列
舉例: >>>item = np.array([([12,12],[55,56])],dtype=dt)
array([[12,56]])
>>> dt = np.dtype(('S10',1))         # 10字元字串
>>> dt = np.dtype(('i4,3)f8,f4',3))) # 2*3結構子陣列
 
#[(field_name,field_dtype,field_shape),…]
>>> dt = np.dtype([('big','>i4'),('little','<i4')])
>>> dt = np.dtype([('R','u1'),('G',('B',('A','u1')])
 
#{‘names': …,‘formats': …,‘offsets': …,‘titles': …,‘itemsize': …}：
>>> dt= np.dtype（{'names':('Date','Close'),'formats':('S10','f8')}）
>>> dt = np.dtype({'names': ['r','b'],'formats': ['u1','u1'],'offsets': [0,2],'titles': ['Red pixel','Blue pixel']})
 
#(base_dtype,new_dtype)：
>>>dt = np.dtype((np.int32,(np.int8,4))) //base_dtype被分成4個int8的子陣列

以上這篇關於Numpy資料型別物件(dtype)使用詳解就是小編分享給大家的全部內容了，希望能給大家一個參考，也希望大家多多支援我們。