訪問flyai.club，一鍵建立你的人工智慧專案

接上文《Python 之 Numpy ndarray 基本介紹 1》

知識點6. ndarray的資料型別

dtype(資料型別)是一個特殊的物件，它含有ndarray將一塊記憶體解釋為特定資料型別所需的資訊

dtype是NumPy靈活互動其它系統的源泉之一。多數情況下，它們直接對映到相應的機器表示，這使得“讀寫磁碟上的二進位制資料流”以及“整合低階語言程式碼（如C、Fortran）”等工作變得更加簡單。數值型dtype的命名方式相同：一個型別名（如float或int），後面跟一個用於表示各元素位長的數字。標準的雙精度浮點值（即Python中的float物件）需要佔用8位元組（即64位）。因此，該型別在NumPy中就記作float64。表4-2列出了NumPy所支援的全部資料型別。

記不住這些NumPy的dtype也沒關係，新手更是如此。通常只需要知道你所處理的資料的大致型別是浮點數、複數、整數、布林值、字串，還是普通的Python物件即可。當你需要控制資料在記憶體和磁碟中的儲存方式時（尤其是對大資料集），那就得了解如何控制儲存型別。

可以通過ndarray的astype方法明確地將一個數組從一個dtype轉換成另一個dtype:

整數被轉換成了浮點數。如果將浮點數轉換成整數，則小數部分將會被擷取刪除：

如果字串陣列表示的全是數字，也可以用astype將其轉換為數值形式：

注意：使用numpy.string_型別時，一定要小心，因為NumPy的字串資料是大小固定的，發生擷取時，不會發出警告。pandas提供了更多非數值資料的便利的處理方法。如果轉換過程因為某種原因而失敗了（比如某個不能被轉換為float64的字串），就會引發一個ValueError。

知識點7. Numpy陣列的運算

陣列很重要，因為它使你不用編寫迴圈即可對資料執行批量運算。NumPy使用者稱其為向量化（vectorization）。大小相等的陣列之間的任何算術運算都會將運算應用到元素級：

大小相同的陣列之間的比較會生成布林值陣列：

不同大小的陣列之間的運算叫做廣播（broadcasting）

教程｜Jupyter Notebook初級教程——迷死人的基礎操作

教程｜Jupyter Notebook基礎教程——快捷鍵的使用

教程｜Python之Numpy ndarray 基本介紹 1

點選 閱讀原文 ，動手操作

— End —