NumPy Vrste podataka - Saznajte razne numpy vrste podataka - Primjeri

• Uvod u NumPy tipove podataka

Uvod u NumPy tipove podataka

Vrsta podataka je atribut povezan s podacima koji definira vrstu vrijednosti koju podaci mogu držati, vrstu operacija koje se na njima mogu izvoditi i najvažnije količinu memorijskog prostora koji je potreban. Neke od vrlo uobičajenih vrsta podataka su cjelobrojne, stvarne, boole i char. U ovom ćemo članku pokušati razumjeti različite vrste podataka koje podržava Numpy. Numpy je python paket koji se koristi za znanstveno računanje. Čisto je napisano programskim jezikom C. Stoga možemo pretpostaviti da su tipovi podataka u Numpyu manje ili više nadogradnja C tipova podataka.

Numpy Tipovi podataka

Različite vrste podataka podržane od numpy su:

Numpy vrsta podataka	Usko povezani tip podataka C	Veličina skladištenja	Opis
np.bool_	bool	1 bajt	može sadržavati logičke vrijednosti, poput (istinito ili netočno) ili (0 ili 1)
np.byte	potpisan char	1 bajt	može sadržavati vrijednosti od 0 do 255
np.ubyte	nepotpisani znak	1 bajt	može sadržavati vrijednosti od -128 do 127
np.short	potpisano kratko	2 bajta	može sadržavati vrijednosti od -32, 768 do 32, 767
np.ushort	kratko potpisan	2 bajta	može sadržavati vrijednosti od 0 do 65, 535
np.uintc	nepotpisani int	2 ili 4 bajta	može sadržavati vrijednosti od 0 do 65, 535 ili 0 do 4, 294, 967, 295
np.int_	dugo	8 bajtova	može sadržavati vrijednosti od -9223372036854775808 do 9223372036854775807
np.uint	dugo potpisan	8 bajtova	0 do 18446744073709551615
np.longlong	dugo dugo	8 bajtova	može sadržavati vrijednosti od -9223372036854775808 do 9223372036854775807
np.ulonglong	dugo potpisan dugo	8 bajtova	0 do 18446744073709551615
np.half / np.float16	-		dopušta preciznost pola float sa Format: bitni znak, eksponent 5 bita, mantisa 10 bita
np.single	plutati	4 bajta	omogućuje preciznost jednostruke plovke Format: bitni znak, eksponent 8 bita, mantisa 23 bita
np.double	dvostruko	8 bajtova	omogućuje dvostruku preciznost plutanja Format: bitni znak, eksponent 11 bita, mantisa 52 bita.
np.longdouble	duga dvostruka	8 bajtova	produžetak plovka
np.csingle	plutajući kompleks	8 bajtova	može sadržavati složene s stvarnim i imaginarnim dijelovima do jednostruki plovak
np.cdouble	dvostruki kompleks	16 bajtova	može sadržavati složene s stvarnim i imaginarnim dijelovima do plovak dvostruke preciznosti
np.clongdouble	dugačak dvostruki kompleks	16 bajtova	produžetak plovka za složeni broj
np.int8	int8_t	1 bajt	može sadržavati vrijednosti od -128 do 127
np.int16	int16_t	2 bajta	može sadržavati vrijednosti od -32, 768 do 32, 767
np.int32	int32_t	4 bajta	može sadržavati vrijednosti od -2, 147, 483, 648 do 2, 147, 483, 647
np.int64	int64_t	8 bajtova	može sadržavati vrijednosti od -9223372036854775808 do 9223372036854775807
np.uint8	uint8_t	1 bajt	može sadržavati vrijednosti od 0 do 255
np.uint16	uint16_t	2 bajta	može sadržavati vrijednosti od 0 do 65, 535
np.uint32	uint32_t	4 bajta	može sadržavati vrijednosti od 0 do 4, 294, 967, 295
np.uint64	uint64_t	8 bajtova	može sadržavati vrijednosti od 0 do 18446744073709551615
np.intp	intptr_t	4 bajta	potpisan cijeli broj koji se koristi za indeksiranje
np.uintp	uintptr_t	4 bajta	nepotpisani cijeli broj koji se koristi za držanje pokazivača
np.float32	plutati	4 bajta	preciznost jednostrukog plovka
np.float64	dvostruko	8 bajtova	dvostruka preciznost plutanja
np.complex64	plutajući kompleks	8 bajtova	preciznost jednostruke plovke u složenim brojevima
np.complex128	dvostruki kompleks	16 bajtova	dvostruka preciznost plutanja u složenim brojevima

Primjeri NumPy tipova podataka

A sada, shvatimo kako se koristi određena vrsta škakljivih podataka.

Primjer 1

Izrada objekta vrste podataka

dt = np.dtype(np.int8)

Izlaz:

Primjer 2

Pronalaženje veličine vrste podataka

dt = np.dtype(np.int8)
name = dt.name
sizeoftype = dt.itemsize
print('name:', name, 'size:', sizeoftype)

Izlaz:

Primjer 3

Izrada objekta podatkovne vrste pomoću jedinstvenih simbola za svaku vrstu podataka

Svaka vrsta podataka u numpi ima pridruženi znakovni kod koji ga jedinstveno identificira.

dt = np.dtype('i4')

Izlaz:

Primjer 4

Upotreba vrsta podataka za stvaranje strukturiranog niza

employee_info = np.dtype((('name', 'S10'), ('age', 'i1'), ('salary', 'f4'), ('rating', 'f4')))
print(employee_info)

Izlaz:

a = np.array((('Karthik', 31, 20000, 3.84), ('Rita', 25, 25123.34, 4.41)), dtype = employee_info)
print (a)

Izlaz:

Zaključak

Brojni tipovi podataka manje-više su slični tipovima podataka C. Mogu se grubo kategorizirati u bool, bajt, int, plutajući, dvostruki i složeni. Dobri programeri moraju shvatiti kako se podaci pohranjuju i manipuliraju. To se može postići učinkovitim razumijevanjem tipova podataka.

Preporučeni članci

Ovo je vodič za NumPy tipove podataka. Ovdje smo raspravljali o načinu na koji se određena vrsta podatnih podataka koristi zajedno s Primjerima. Možete također pogledati sljedeće članke da biste saznali više -

1. Što je NumPy?
2. Matplotlib In Python
3. Tipovi podataka Pythona
4. Rječnik na Pythonu