Numpy-02 Numpy 数据类型和常用方法

目录

• 一、Numpy 中常用的对象
  • 1. ndarry
  • 2. 数据类型对象
• 二、基本用法及方法
  • 1. 导入 numpy
  • 2. 常用的方法
  • 三、问题

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？