Python chỉ xác định một loại của một lớp dữ liệu cụ thể [chỉ có một loại số nguyên, một loại dấu phẩy động, v.v.]. Điều này có thể thuận tiện trong các ứng dụng không cần phải quan tâm đến tất cả các cách dữ liệu có thể được biểu diễn trong máy tính. Đối với điện toán khoa học, tuy nhiên, thường cần kiểm soát nhiều hơn.
Trong Numpy, có 24 loại Python cơ bản mới để mô tả các loại vô hướng khác nhau. Các mô tả loại này chủ yếu dựa trên các loại có sẵn trong ngôn ngữ C mà Cpython được viết, với một số loại bổ sung tương thích với các loại Python.
Scalar Array có các thuộc tính và phương thức tương tự như ndarrays
. 1 Điều này cho phép người ta xử lý các vật phẩm của một mảng một phần trên cùng một chân với các mảng, làm mịn các cạnh thô kết quả khi trộn các hoạt động vô hướng và mảng.
Các Scalar Array sống trong một hệ thống phân cấp [xem hình bên dưới] của các loại dữ liệu. Chúng có thể được phát hiện bằng cách sử dụng hệ thống phân cấp: ví dụ, isinstance[val, np.generic]
sẽ trả về True
nếu Val là đối tượng vô hướng mảng. Ngoài ra, loại vô hướng mảng nào có thể được xác định bằng cách sử dụng các thành viên khác của hệ thống phân cấp kiểu dữ liệu. Do đó, ví dụ isinstance[val, np.complexfloating]
sẽ trả về True
nếu Val là loại có giá trị phức tạp, trong khi
>>> f16 = np.float16["0.1"] >>> f32 = np.float32["0.1"] >>> f64 = np.float64["0.1"] >>> f16 == f32 == f64 False >>> f16, f32, f64 [0.1, 0.1, 0.1]1 sẽ trả về đúng nếu Val là một trong những loại mảng linh hoạt [
>>> f16 = np.float16["0.1"] >>> f32 = np.float32["0.1"] >>> f64 = np.float64["0.1"] >>> f16 == f32 == f64 False >>> f16, f32, f64 [0.1, 0.1, 0.1]2,
>>> f16 = np.float16["0.1"] >>> f32 = np.float32["0.1"] >>> f64 = np.float64["0.1"] >>> f16 == f32 == f64 False >>> f16, f32, f64 [0.1, 0.1, 0.1]3,
>>> f16 = np.float16["0.1"] >>> f32 = np.float32["0.1"] >>> f64 = np.float64["0.1"] >>> f16 == f32 == f64 False >>> f16, f32, f64 [0.1, 0.1, 0.1]4].
Hình: Phân cấp của các đối tượng loại đại diện cho các loại dữ liệu mảng. Không được hiển thị là hai loại số nguyên >>> f16 = np.float16["0.1"]
>>> f32 = np.float32["0.1"]
>>> f64 = np.float64["0.1"]
>>> f16 == f32 == f64
False
>>> f16, f32, f64
[0.1, 0.1, 0.1]
5 và >>> f16 = np.float16["0.1"]
>>> f32 = np.float32["0.1"]
>>> f64 = np.float64["0.1"]
>>> f16 == f32 == f64
False
>>> f16, f32, f64
[0.1, 0.1, 0.1]
6 chỉ chỉ vào loại số nguyên chứa một con trỏ cho nền tảng. Tất cả các loại số cũng có thể được lấy bằng tên chiều rộng bit.## Hierarchy of type objects representing the array data types. Not shown are the two
integer types >>> f16 = np.float16["0.1"]
>>> f32 = np.float32["0.1"]
>>> f64 = np.float64["0.1"]
>>> f16 == f32 == f64
False
>>> f16, f32, f64
[0.1, 0.1, 0.1]
5 and >>> f16 = np.float16["0.1"]
>>> f32 = np.float32["0.1"]
>>> f64 = np.float64["0.1"]
>>> f16 == f32 == f64
False
>>> f16, f32, f64
[0.1, 0.1, 0.1]
6 which just point to the integer type that holds a pointer for the platform. All the number types can be obtained using bit-width names as
well.#
Tuy nhiên, vô hướng mảng là bất biến, vì vậy không có thuộc tính vô hướng nào được giải quyết.
Các loại vô hướng tích hợp#
Các loại vô hướng tích hợp được hiển thị dưới đây. Các tên giống C được liên kết với mã ký tự, được hiển thị trong các mô tả của chúng. Sử dụng các mã ký tự, tuy nhiên, không được khuyến khích.
Một số loại vô hướng về cơ bản tương đương với các loại Python cơ bản và do đó kế thừa từ chúng cũng như từ loại vô hướng mảng chung:
>>> f16 = np.float16["0.1"] >>> f32 = np.float32["0.1"] >>> f64 = np.float64["0.1"] >>> f16 == f32 == f64 False >>> f16, f32, f64 [0.1, 0.1, 0.1]7 | >>> f16 = np.float16["0.1"] >>> f32 = np.float32["0.1"] >>> f64 = np.float64["0.1"] >>> f16 == f32 == f64 False >>> f16, f32, f64 [0.1, 0.1, 0.1]8 | Python 2 chỉ |
>>> f16 = np.float16["0.1"] >>> f32 = np.float32["0.1"] >>> f64 = np.float64["0.1"] >>> f16 == f32 == f64 False >>> f16, f32, f64 [0.1, 0.1, 0.1]9 | >>> np.datetime64[10, 'Y'] numpy.datetime64['1980'] >>> np.datetime64['1980', 'Y'] numpy.datetime64['1980'] >>> np.datetime64[10, 'D'] numpy.datetime64['1970-01-11']0 | Vâng |
>>> np.datetime64[10, 'Y'] numpy.datetime64['1980'] >>> np.datetime64['1980', 'Y'] numpy.datetime64['1980'] >>> np.datetime64[10, 'D'] numpy.datetime64['1970-01-11']1 | >>> np.datetime64[10, 'Y'] numpy.datetime64['1980'] >>> np.datetime64['1980', 'Y'] numpy.datetime64['1980'] >>> np.datetime64[10, 'D'] numpy.datetime64['1970-01-11']2 | Vâng |
>>> f16 = np.float16["0.1"] >>> f32 = np.float32["0.1"] >>> f64 = np.float64["0.1"] >>> f16 == f32 == f64 False >>> f16, f32, f64 [0.1, 0.1, 0.1]3 | >>> np.datetime64[10, 'Y'] numpy.datetime64['1980'] >>> np.datetime64['1980', 'Y'] numpy.datetime64['1980'] >>> np.datetime64[10, 'D'] numpy.datetime64['1970-01-11']4 | Vâng |
>>> f16 = np.float16["0.1"] >>> f32 = np.float32["0.1"] >>> f64 = np.float64["0.1"] >>> f16 == f32 == f64 False >>> f16, f32, f64 [0.1, 0.1, 0.1]2 | >>> np.datetime64[10, 'Y'] numpy.datetime64['1980'] >>> np.datetime64['1980', 'Y'] numpy.datetime64['1980'] >>> np.datetime64[10, 'D'] numpy.datetime64['1970-01-11']6 | Vâng |
>>> np.datetime64[10, 'Y'] numpy.datetime64['1980'] >>> np.datetime64['1980', 'Y'] numpy.datetime64['1980'] >>> np.datetime64[10, 'D'] numpy.datetime64['1970-01-11']7 | >>> np.datetime64[10, 'Y'] numpy.datetime64['1980'] >>> np.datetime64['1980', 'Y'] numpy.datetime64['1980'] >>> np.datetime64[10, 'D'] numpy.datetime64['1970-01-11']8 | không |
>>> np.datetime64[10, 'Y'] numpy.datetime64['1980'] >>> np.datetime64['1980', 'Y'] numpy.datetime64['1980'] >>> np.datetime64[10, 'D'] numpy.datetime64['1970-01-11']9 | >>> m = memoryview[np.str_["abc"]] >>> m.format '3w' >>> m.tobytes[] b'a\x00\x00\x00b\x00\x00\x00c\x00\x00\x00'0 | không |
>>> m = memoryview[np.str_["abc"]] >>> m.format '3w' >>> m.tobytes[] b'a\x00\x00\x00b\x00\x00\x00c\x00\x00\x00'1 | >>> m = memoryview[np.str_["abc"]] >>> m.format '3w' >>> m.tobytes[] b'a\x00\x00\x00b\x00\x00\x00c\x00\x00\x00'2 | không |
Kiểu dữ liệu
>>> np.datetime64[10, 'Y'] numpy.datetime64['1980'] >>> np.datetime64['1980', 'Y'] numpy.datetime64['1980'] >>> np.datetime64[10, 'D'] numpy.datetime64['1970-01-11']7 rất giống với Python
>>> np.datetime64[10, 'Y'] numpy.datetime64['1980'] >>> np.datetime64['1980', 'Y'] numpy.datetime64['1980'] >>> np.datetime64[10, 'D'] numpy.datetime64['1970-01-11']8 nhưng không được kế thừa từ nó vì
>>> np.datetime64[10, 'Y'] numpy.datetime64['1980'] >>> np.datetime64['1980', 'Y'] numpy.datetime64['1980'] >>> np.datetime64[10, 'D'] numpy.datetime64['1970-01-11']8 của Python không cho phép bản thân được kế thừa và trên cấp độ C, kích thước của dữ liệu bool thực tế không giống như Python Boolean vô hướng.
Cảnh báo
Loại
>>> f16 = np.float16["0.1"] >>> f32 = np.float32["0.1"] >>> f64 = np.float64["0.1"] >>> f16 == f32 == f64 False >>> f16, f32, f64 [0.1, 0.1, 0.1]7 không kế thừa từ
>>> f16 = np.float16["0.1"] >>> f32 = np.float32["0.1"] >>> f64 = np.float64["0.1"] >>> f16 == f32 == f64 False >>> f16, f32, f64 [0.1, 0.1, 0.1]8 tích hợp theo Python 3, vì loại
>>> f16 = np.float16["0.1"] >>> f32 = np.float32["0.1"] >>> f64 = np.float64["0.1"] >>> f16 == f32 == f64 False >>> f16, f32, f64 [0.1, 0.1, 0.1]8 không còn là loại số nguyên có chiều rộng cố định.not inherit from the
>>> f16 = np.float16["0.1"] >>> f32 = np.float32["0.1"] >>> f64 = np.float64["0.1"] >>> f16 == f32 == f64 False >>> f16, f32, f64 [0.1, 0.1, 0.1]8 built-in under Python 3, because type
>>> f16 = np.float16["0.1"] >>> f32 = np.float32["0.1"] >>> f64 = np.float64["0.1"] >>> f16 == f32 == f64 False >>> f16, f32, f64 [0.1, 0.1, 0.1]8 is no longer a fixed-width integer type.
Mẹo
Kiểu dữ liệu mặc định trong Numpy là
>>> f16 = np.float16["0.1"] >>> f32 = np.float32["0.1"] >>> f64 = np.float64["0.1"] >>> f16 == f32 == f64 False >>> f16, f32, f64 [0.1, 0.1, 0.1]9. classnumpy.generic[source]# numpy.generic[source]#
Lớp cơ sở cho các loại vô hướng numpy.
Lớp từ đó hầu hết [tất cả?] Các loại vô hướng Numpy có nguồn gốc. Đối với tính nhất quán, phơi bày cùng một API với
>>> np.void[b'abcd'] void[b'\x61\x62\x63\x64']0, mặc dù có nhiều thuộc tính do đó là chỉ có, chỉ có, hay hoàn toàn không liên quan. Đây là lớp mà người dùng được đề xuất mạnh mẽ nên lấy các loại vô hướng tùy chỉnh. classnumpy.number[source]# numpy.number[source]#
Tóm tắt lớp cơ sở của tất cả các loại vô hướng số.
Các loại số nguyên#
classnumpy.integer[source]# numpy.integer[source]#Tóm tắt lớp cơ sở của tất cả các loại vô hướng số nguyên.
Ghi chú
Các loại số nguyên numpy phản ánh hành vi của các số nguyên C, và do đó có thể bị lỗi tràn.Overflow Errors.
Các loại số nguyên đã ký#
classnumpy.signedinteger[source]# numpy.signedinteger[source]#Tóm tắt lớp cơ sở của tất cả các loại vô hướng số nguyên đã ký.
classnumpy.byte[source]#numpy.byte[source]#Loại số nguyên đã ký, tương thích với C
>>> np.void[b'abcd'] void[b'\x61\x62\x63\x64']1.Mã ký tự
>>> np.void[b'abcd'] void[b'\x61\x62\x63\x64']2Bí danh trên nền tảng này [Linux x86_64]
>>> np.void[b'abcd'] void[b'\x61\x62\x63\x64']3: Số nguyên có chữ ký 8 bit [
>>> np.void[b'abcd'] void[b'\x61\x62\x63\x64']4 đến
>>> np.void[b'abcd'] void[b'\x61\x62\x63\x64']5]. classnumpy.short[source]# numpy.short[source]#
Loại số nguyên đã ký, tương thích với C
>>> np.void[b'abcd'] void[b'\x61\x62\x63\x64']6.Mã ký tự
>>> np.void[b'abcd'] void[b'\x61\x62\x63\x64']7Bí danh trên nền tảng này [Linux x86_64]
>>> np.void[b'abcd'] void[b'\x61\x62\x63\x64']3: Số nguyên có chữ ký 8 bit [
>>> np.void[b'abcd'] void[b'\x61\x62\x63\x64']4 đến
>>> np.void[b'abcd'] void[b'\x61\x62\x63\x64']5]. classnumpy.intc[source]# numpy.intc[source]#
Loại số nguyên đã ký, tương thích với C
>>> np.void[b'abcd'] void[b'\x61\x62\x63\x64']6.Mã ký tự
>>> arr = np.array[[1, 2], dtype=[['x', np.int8], ['y', np.int8]]] >>> arr[[]] [1, 2] # looks like a tuple, but is `np.void`2Bí danh trên nền tảng này [Linux x86_64]
>>> np.void[b'abcd'] void[b'\x61\x62\x63\x64']3: Số nguyên có chữ ký 8 bit [
>>> np.void[b'abcd'] void[b'\x61\x62\x63\x64']4 đến
>>> np.void[b'abcd'] void[b'\x61\x62\x63\x64']5]. classnumpy.int_[source]# numpy.int_[source]#
Loại số nguyên đã ký, tương thích với C
>>> np.void[b'abcd'] void[b'\x61\x62\x63\x64']6.Mã ký tự
>>> arr = np.array[[1, 2], dtype=[['x', np.int8], ['y', np.int8]]] >>> arr[[]] [1, 2] # looks like a tuple, but is `np.void`8Bí danh trên nền tảng này [Linux x86_64]
>>> np.void[b'abcd'] void[b'\x61\x62\x63\x64']3: Số nguyên có chữ ký 8 bit [
>>> np.void[b'abcd'] void[b'\x61\x62\x63\x64']4 đến
>>> np.void[b'abcd'] void[b'\x61\x62\x63\x64']5].
>>> np.void[b'abcd'] void[b'\x61\x62\x63\x64']3: Số nguyên có chữ ký 8 bit [
>>> np.void[b'abcd'] void[b'\x61\x62\x63\x64']4 đến
>>> np.void[b'abcd'] void[b'\x61\x62\x63\x64']5]. classnumpy.longlong[source]# numpy.longlong[source]#
Loại số nguyên đã ký, tương thích với C
>>> np.void[b'abcd'] void[b'\x61\x62\x63\x64']6.Mã ký tự
ndarrays
5
Các loại số nguyên không dấu#
classnumpy.unsignedinteger[source]# numpy.unsignedinteger[source]#Tóm tắt lớp cơ sở của tất cả các loại vô hướng số nguyên không dấu.
classnumpy.ubyte[source]#numpy.ubyte[source]#Loại số nguyên không dấu, tương thích với C ndarrays
6.
ndarrays
7
ndarrays
8: Số nguyên không dấu 8 bit [ndarrays
9 đến isinstance[val, np.generic]
0].
Loại số nguyên không dấu, tương thích với C isinstance[val, np.generic]
1.
isinstance[val, np.generic]
2
ndarrays
8: Số nguyên không dấu 8 bit [ndarrays
9 đến isinstance[val, np.generic]
0].
Loại số nguyên không dấu, tương thích với C isinstance[val, np.generic]
1.
isinstance[val, np.generic]
7
ndarrays
8: Số nguyên không dấu 8 bit [ndarrays
9 đến isinstance[val, np.generic]
0].
Loại số nguyên không dấu, tương thích với C isinstance[val, np.generic]
1.
True
2
ndarrays
8: Số nguyên không dấu 8 bit [ndarrays
9 đến isinstance[val, np.generic]
0].
ndarrays
8: Số nguyên không dấu 8 bit [ndarrays
9 đến isinstance[val, np.generic]
0].
Loại số nguyên không dấu, tương thích với C isinstance[val, np.generic]
1.
isinstance[val, np.generic]
3: Số nguyên không dấu 16 bit [ndarrays
9 đến isinstance[val, np.generic]
5].True
9
Loại số nguyên không dấu, tương thích với C isinstance[val, np.generic]
6.
classnumpy.inexact[source]#
numpy.inexact[source]#isinstance[val, np.generic]
8: Số nguyên không dấu 32 bit [ndarrays
9 đến True
0].
Loại số nguyên không dấu, tương thích với C True
1.
True
3: Số nguyên không dấu 64-bit [ndarrays
9 đến True
5].
True
6: Số nguyên không dấu đủ lớn để phù hợp với con trỏ, tương thích với C True
7.
>>> f16 = np.float16["0.1"] >>> f32 = np.float32[f16] >>> f64 = np.float64[f32] >>> f16 == f32 == f64 True >>> f16, f32, f64 [0.1, 0.099975586, 0.0999755859375]
Loại số nguyên đã ký, tương thích với C True
8.\[\frac{1}{10}\]; isinstance[val, np.complexfloating]
3 prints as isinstance[val, np.complexfloating]
4 because it is as close to that value as
possible, whereas the other types do not as they have more precision and therefore have closer values.
Mã ký tự
>>> f16 = np.float16["0.1"] >>> f32 = np.float32["0.1"] >>> f64 = np.float64["0.1"] >>> f16 == f32 == f64 False >>> f16, f32, f64 [0.1, 0.1, 0.1]
Các loại không chính xác#
classnumpy.floating[source]#numpy.floating[source]#Lớp cơ sở trừu tượng của tất cả các loại vô hướng số với biểu diễn không chính xác [có khả năng] không chính xác của các giá trị trong phạm vi của nó, chẳng hạn như số điểm nổi.
classnumpy.half[source]#numpy.half[source]#Ghi chú
Mã ký tựisinstance[val, np.complexfloating]
5
ndarrays
8: Số nguyên không dấu 8 bit [ndarrays
9 đến isinstance[val, np.generic]
0].
Loại số nguyên không dấu, tương thích với C isinstance[val, np.generic]
1.
isinstance[val, np.generic]
3: Số nguyên không dấu 16 bit [ndarrays
9 đến isinstance[val, np.generic]
5].
ndarrays
8: Số nguyên không dấu 8 bit [ndarrays
9 đến isinstance[val, np.generic]
0].
isinstance[val, np.generic]
1.
numpy.double[x=0, /][source]#isinstance[val, np.generic]
3: Số nguyên không dấu 16 bit [ndarrays
9 đến isinstance[val, np.generic]
5].
>>> f16 = np.float16["0.1"] >>> f32 = np.float32["0.1"] >>> f64 = np.float64["0.1"] >>> f16 == f32 == f64 False >>> f16, f32, f64 [0.1, 0.1, 0.1]02Loại số nguyên không dấu, tương thích với C
isinstance[val, np.generic]
6.>>> f16 = np.float16["0.1"] >>> f32 = np.float32["0.1"] >>> f64 = np.float64["0.1"] >>> f16 == f32 == f64 False >>> f16, f32, f64 [0.1, 0.1, 0.1]03
isinstance[val, np.generic]
8: Số nguyên không dấu 32 bit [ndarrays
9 đến True
0].Loại số nguyên không dấu, tương thích với C True
1.
True
3: Số nguyên không dấu 64-bit [ndarrays
9 đến True
5].
>>> f16 = np.float16["0.1"] >>> f32 = np.float32["0.1"] >>> f64 = np.float64["0.1"] >>> f16 == f32 == f64 False >>> f16, f32, f64 [0.1, 0.1, 0.1]06Loại số nguyên không dấu, tương thích với C
isinstance[val, np.generic]
6.>>> f16 = np.float16["0.1"] >>> f32 = np.float32["0.1"] >>> f64 = np.float64["0.1"] >>> f16 == f32 == f64 False >>> f16, f32, f64 [0.1, 0.1, 0.1]07Bí danh trên nền tảng này [Linux x86_64]
ndarrays
8: Số nguyên không dấu 8 bit [ndarrays
9 đến isinstance[val, np.generic]
0].
Loại số nguyên không dấu, tương thích với C isinstance[val, np.generic]
1.
classnumpy.complexfloating[source]#
numpy.complexfloating[source]#isinstance[val, np.generic]
3: Số nguyên không dấu 16 bit [ndarrays
9 đến isinstance[val, np.generic]
5].
Loại số nguyên không dấu, tương thích với C isinstance[val, np.generic]
6.
>>> f16 = np.float16["0.1"] >>> f32 = np.float32["0.1"] >>> f64 = np.float64["0.1"] >>> f16 == f32 == f64 False >>> f16, f32, f64 [0.1, 0.1, 0.1]09Loại số nguyên không dấu, tương thích với C
isinstance[val, np.generic]
6.>>> f16 = np.float16["0.1"] >>> f32 = np.float32["0.1"] >>> f64 = np.float64["0.1"] >>> f16 == f32 == f64 False >>> f16, f32, f64 [0.1, 0.1, 0.1]10Bí danh trên nền tảng này [Linux x86_64]
isinstance[val, np.generic]
8: Số nguyên không dấu 32 bit [ndarrays
9 đến True
0].
True
1.numpy.cdouble[real=0,
imag=0][source]#True
3: Số nguyên không dấu 64-bit [ndarrays
9 đến True
5].
>>> f16 = np.float16["0.1"] >>> f32 = np.float32["0.1"] >>> f64 = np.float64["0.1"] >>> f16 == f32 == f64 False >>> f16, f32, f64 [0.1, 0.1, 0.1]13Loại số nguyên không dấu, tương thích với C
isinstance[val, np.generic]
6.>>> f16 = np.float16["0.1"] >>> f32 = np.float32["0.1"] >>> f64 = np.float64["0.1"] >>> f16 == f32 == f64 False >>> f16, f32, f64 [0.1, 0.1, 0.1]14Loại số nguyên không dấu, tương thích với C
isinstance[val, np.generic]
6.>>> f16 = np.float16["0.1"] >>> f32 = np.float32["0.1"] >>> f64 = np.float64["0.1"] >>> f16 == f32 == f64 False >>> f16, f32, f64 [0.1, 0.1, 0.1]15Bí danh trên nền tảng này [Linux x86_64]
isinstance[val, np.generic]
8: Số nguyên không dấu 32 bit [ndarrays
9 đến True
0].
Loại số nguyên không dấu, tương thích với C True
1.
isinstance[val, np.generic]
3: Số nguyên không dấu 16 bit [ndarrays
9 đến isinstance[val, np.generic]
5].>>> f16 = np.float16["0.1"] >>> f32 = np.float32["0.1"] >>> f64 = np.float64["0.1"] >>> f16 == f32 == f64 False >>> f16, f32, f64 [0.1, 0.1, 0.1]17Loại số nguyên không dấu, tương thích với C
isinstance[val, np.generic]
6.>>> f16 = np.float16["0.1"] >>> f32 = np.float32["0.1"] >>> f64 = np.float64["0.1"] >>> f16 == f32 == f64 False >>> f16, f32, f64 [0.1, 0.1, 0.1]18Loại số nguyên không dấu, tương thích với C
isinstance[val, np.generic]
6.>>> f16 = np.float16["0.1"] >>> f32 = np.float32["0.1"] >>> f64 = np.float64["0.1"] >>> f16 == f32 == f64 False >>> f16, f32, f64 [0.1, 0.1, 0.1]19Bí danh trên nền tảng này [Linux x86_64]
isinstance[val, np.generic]
8: Số nguyên không dấu 32 bit [ndarrays
9 đến True
0].
Loại số nguyên không dấu, tương thích với C True
1.
classnumpy.bool_[source]#numpy.bool_[source]#True
3: Số nguyên không dấu 64-bit [ndarrays
9 đến True
5].
True
6: Số nguyên không dấu đủ lớn để phù hợp với con trỏ, tương thích với C True
7.
Loại số nguyên đã ký, tương thích với C True
8.
>>> f16 = np.float16["0.1"] >>> f32 = np.float32["0.1"] >>> f64 = np.float64["0.1"] >>> f16 == f32 == f64 False >>> f16, f32, f64 [0.1, 0.1, 0.1]26Bí danh
>>> f16 = np.float16["0.1"] >>> f32 = np.float32["0.1"] >>> f64 = np.float64["0.1"] >>> f16 == f32 == f64 False >>> f16, f32, f64 [0.1, 0.1, 0.1]27 classnumpy.datetime64[source]#numpy.datetime64[source]#
Nếu được tạo từ một số nguyên 64 bit, nó thể hiện mức bù từ
>>> f16 = np.float16["0.1"] >>> f32 = np.float32["0.1"] >>> f64 = np.float64["0.1"] >>> f16 == f32 == f64 False >>> f16, f32, f64 [0.1, 0.1, 0.1]28. Nếu được tạo từ chuỗi, chuỗi có thể ở định dạng ngày ISO 8601 hoặc DateTime.
>>> np.datetime64[10, 'Y'] numpy.datetime64['1980'] >>> np.datetime64['1980', 'Y'] numpy.datetime64['1980'] >>> np.datetime64[10, 'D'] numpy.datetime64['1970-01-11']
Xem Datetimes và Timedeltas để biết thêm thông tin.Datetimes and Timedeltas for more information.
Mã ký tự>>> f16 = np.float16["0.1"] >>> f32 = np.float32["0.1"] >>> f64 = np.float64["0.1"] >>> f16 == f32 == f64 False >>> f16, f32, f64 [0.1, 0.1, 0.1]29 classnumpy.timedelta64[source]# numpy.timedelta64[source]#
Một thời gian được lưu trữ dưới dạng số nguyên 64 bit.
Xem Datetimes và Timedeltas để biết thêm thông tin.Datetimes and Timedeltas for more information.
Mã ký tự>>> f16 = np.float16["0.1"] >>> f32 = np.float32["0.1"] >>> f64 = np.float64["0.1"] >>> f16 == f32 == f64 False >>> f16, f32, f64 [0.1, 0.1, 0.1]30 classnumpy.object_[source]# numpy.object_[source]#
Một thời gian được lưu trữ dưới dạng số nguyên 64 bit.
Mã ký tự>>> f16 = np.float16["0.1"] >>> f32 = np.float32["0.1"] >>> f64 = np.float64["0.1"] >>> f16 == f32 == f64 False >>> f16, f32, f64 [0.1, 0.1, 0.1]31
Bất kỳ đối tượng Python.
Ghi chú
Dữ liệu thực sự được lưu trữ trong các mảng đối tượng [nghĩa là, các mảng có DTYPE
>>> f16 = np.float16["0.1"] >>> f32 = np.float32["0.1"] >>> f64 = np.float64["0.1"] >>> f16 == f32 == f64 False >>> f16, f32, f64 [0.1, 0.1, 0.1]32] là các tham chiếu đến các đối tượng Python, không phải chính các đối tượng. Do đó, các mảng đối tượng hoạt động giống như Python
>>> f16 = np.float16["0.1"] >>> f32 = np.float32["0.1"] >>> f64 = np.float64["0.1"] >>> f16 == f32 == f64 False >>> f16, f32, f64 [0.1, 0.1, 0.1]33 thông thường, theo nghĩa là nội dung của chúng không cần phải thuộc cùng loại Python.
Loại đối tượng cũng đặc biệt vì một mảng chứa
>>> f16 = np.float16["0.1"] >>> f32 = np.float32["0.1"] >>> f64 = np.float64["0.1"] >>> f16 == f32 == f64 False >>> f16, f32, f64 [0.1, 0.1, 0.1]32 Các mục không trả về đối tượng
>>> f16 = np.float16["0.1"] >>> f32 = np.float32["0.1"] >>> f64 = np.float64["0.1"] >>> f16 == f32 == f64 False >>> f16, f32, f64 [0.1, 0.1, 0.1]32 trên truy cập mục, mà thay vào đó trả về đối tượng thực tế mà mục mảng đề cập đến.flexible: they have no predefined size and the data they describe can be of different length in different arrays. [In the character codes
>>> f16 = np.float16["0.1"] >>> f32 = np.float32["0.1"] >>> f64 = np.float64["0.1"] >>> f16 == f32 == f64 False >>> f16, f32, f64 [0.1, 0.1, 0.1]36 is an integer denoting how many elements the data type consists of.] classnumpy.flexible[source]# numpy.flexible[source]#
Các loại dữ liệu sau đây là linh hoạt: chúng không có kích thước được xác định trước và dữ liệu chúng mô tả có thể có độ dài khác nhau trong các mảng khác nhau. [Trong mã ký tự
>>> f16 = np.float16["0.1"] >>> f32 = np.float32["0.1"] >>> f64 = np.float64["0.1"] >>> f16 == f32 == f64 False >>> f16, f32, f64 [0.1, 0.1, 0.1]36 là một số nguyên biểu thị có bao nhiêu yếu tố mà loại dữ liệu bao gồm.] classnumpy.bytes_[source]#numpy.bytes_[source]#
Tóm tắt lớp cơ sở của tất cả các loại vô hướng không có độ dài được xác định trước. Kích thước thực tế của các loại này phụ thuộc vào việc khởi tạo NP.DTYPE cụ thể.
Một chuỗi byte.
Mã ký tự>>> f16 = np.float16["0.1"] >>> f32 = np.float32["0.1"] >>> f64 = np.float64["0.1"] >>> f16 == f32 == f64 False >>> f16, f32, f64 [0.1, 0.1, 0.1]37Bí danh
>>> f16 = np.float16["0.1"] >>> f32 = np.float32["0.1"] >>> f64 = np.float64["0.1"] >>> f16 == f32 == f64 False >>> f16, f32, f64 [0.1, 0.1, 0.1]38 classnumpy.str_[source]# numpy.str_[source]#
Nếu được tạo từ một số nguyên 64 bit, nó thể hiện mức bù từ
>>> f16 = np.float16["0.1"] >>> f32 = np.float32["0.1"] >>> f64 = np.float64["0.1"] >>> f16 == f32 == f64 False >>> f16, f32, f64 [0.1, 0.1, 0.1]28. Nếu được tạo từ chuỗi, chuỗi có thể ở định dạng ngày ISO 8601 hoặc DateTime.
Xem Datetimes và Timedeltas để biết thêm thông tin.
Một thời gian được lưu trữ dưới dạng số nguyên 64 bit.Buffer Protocol, exposing its contents as UCS4:
>>> m = memoryview[np.str_["abc"]] >>> m.format '3w' >>> m.tobytes[] b'a\x00\x00\x00b\x00\x00\x00c\x00\x00\x00'Mã ký tự
>>> f16 = np.float16["0.1"] >>> f32 = np.float32["0.1"] >>> f64 = np.float64["0.1"] >>> f16 == f32 == f64 False >>> f16, f32, f64 [0.1, 0.1, 0.1]40Bí danh
>>> f16 = np.float16["0.1"] >>> f32 = np.float32["0.1"] >>> f64 = np.float64["0.1"] >>> f16 == f32 == f64 False >>> f16, f32, f64 [0.1, 0.1, 0.1]41 classnumpy.void[source]# numpy.void[source]#
Nếu được tạo từ một số nguyên 64 bit, nó thể hiện mức bù từ
>>> f16 = np.float16["0.1"] >>> f32 = np.float32["0.1"] >>> f64 = np.float64["0.1"] >>> f16 == f32 == f64 False >>> f16, f32, f64 [0.1, 0.1, 0.1]28. Nếu được tạo từ chuỗi, chuỗi có thể ở định dạng ngày ISO 8601 hoặc DateTime.
>>> np.void[b'abcd'] void[b'\x61\x62\x63\x64']
Xem Datetimes và Timedeltas để biết thêm thông tin.Structured arrays:
>>> arr = np.array[[1, 2], dtype=[['x', np.int8], ['y', np.int8]]] >>> arr[[]] [1, 2] # looks like a tuple, but is `np.void`Mã ký tự
>>> f16 = np.float16["0.1"] >>> f32 = np.float32["0.1"] >>> f64 = np.float64["0.1"] >>> f16 == f32 == f64 False >>> f16, f32, f64 [0.1, 0.1, 0.1]43
Một thời gian được lưu trữ dưới dạng số nguyên 64 bit.
Bất kỳ đối tượng Python.Note on string types.
Ghi chú
Dữ liệu thực sự được lưu trữ trong các mảng đối tượng [nghĩa là, các mảng có DTYPE >>> f16 = np.float16["0.1"]
>>> f32 = np.float32["0.1"]
>>> f64 = np.float64["0.1"]
>>> f16 == f32 == f64
False
>>> f16, f32, f64
[0.1, 0.1, 0.1]
32] là các tham chiếu đến các đối tượng Python, không phải chính các đối tượng. Do đó, các mảng đối tượng hoạt động giống như Python >>> f16 = np.float16["0.1"]
>>> f32 = np.float32["0.1"]
>>> f64 = np.float64["0.1"]
>>> f16 == f32 == f64
False
>>> f16, f32, f64
[0.1, 0.1, 0.1]
33 thông thường, theo nghĩa là nội dung của chúng không cần phải thuộc cùng loại Python.
Loại đối tượng cũng đặc biệt vì một mảng chứa
>>> f16 = np.float16["0.1"] >>> f32 = np.float32["0.1"] >>> f64 = np.float64["0.1"] >>> f16 == f32 == f64 False >>> f16, f32, f64 [0.1, 0.1, 0.1]32 Các mục không trả về đối tượng
>>> f16 = np.float16["0.1"] >>> f32 = np.float32["0.1"] >>> f64 = np.float64["0.1"] >>> f16 == f32 == f64 False >>> f16, f32, f64 [0.1, 0.1, 0.1]32 trên truy cập mục, mà thay vào đó trả về đối tượng thực tế mà mục mảng đề cập đến. numpy.bool8[source]#bool8[source]#
Các loại dữ liệu sau đây là linh hoạt: chúng không có kích thước được xác định trước và dữ liệu chúng mô tả có thể có độ dài khác nhau trong các mảng khác nhau. [Trong mã ký tự
>>> f16 = np.float16["0.1"] >>> f32 = np.float32["0.1"] >>> f64 = np.float64["0.1"] >>> f16 == f32 == f64 False >>> f16, f32, f64 [0.1, 0.1, 0.1]36 là một số nguyên biểu thị có bao nhiêu yếu tố mà loại dữ liệu bao gồm.] Tóm tắt lớp cơ sở của tất cả các loại vô hướng không có độ dài được xác định trước. Kích thước thực tế của các loại này phụ thuộc vào việc khởi tạo NP.DTYPE cụ thể.int8[source]# numpy.int16# numpy.int32# numpy.int64#
Một chuỗi byte.
Khi được sử dụng trong các mảng, loại này dải byte null kéo dài.
Một chuỗi unicode.uint8[source]# numpy.uint16# numpy.uint32# numpy.uint64#Khi được sử dụng trong các mảng, loại này sẽ kéo theo các codepoint null.
Không giống như
>>> np.datetime64[10, 'Y'] numpy.datetime64['1980'] >>> np.datetime64['1980', 'Y'] numpy.datetime64['1980'] >>> np.datetime64[10, 'D'] numpy.datetime64['1970-01-11']6 tích hợp, điều này hỗ trợ giao thức bộ đệm, hiển thị nội dung của nó dưới dạng UCS4: numpy.intp[source]#intp[source]#
Hoặc là một chuỗi mờ đục của byte, hoặc một cấu trúc.
Có thể xây dựng các vô hướng
>>> f16 = np.float16["0.1"] >>> f32 = np.float32["0.1"] >>> f64 = np.float64["0.1"] >>> f16 == f32 == f64 False >>> f16, f32, f64 [0.1, 0.1, 0.1]4 chỉ có thể được xây dựng thông qua việc chiết xuất từ các mảng có cấu trúc:Mã ký tự
>>> f16 = np.float16["0.1"] >>> f32 = np.float32["0.1"] >>> f64 = np.float64["0.1"] >>> f16 == f32 == f64 False >>> f16, f32, f64 [0.1, 0.1, 0.1]77 numpy.uintp[source]#uintp[source]#
Cảnh báo
Xem ghi chú trên các loại chuỗi.
Mã ký tự>>> f16 = np.float16["0.1"] >>> f32 = np.float32["0.1"] >>> f64 = np.float64["0.1"] >>> f16 == f32 == f64 False >>> f16, f32, f64 [0.1, 0.1, 0.1]83 numpy.float16[source]#float16[source]#
Khả năng tương thích số: Nếu bạn đã sử dụng các ký tự typecode cũ trong mã số của mình [không bao giờ được khuyến nghị], bạn sẽ cần thay đổi một số trong số chúng thành các ký tự mới. Cụ thể, các thay đổi cần thiết là
>>> f16 = np.float16["0.1"] >>> f32 = np.float32["0.1"] >>> f64 = np.float64["0.1"] >>> f16 == f32 == f64 False >>> f16, f32, f64 [0.1, 0.1, 0.1]44,
>>> f16 = np.float16["0.1"] >>> f32 = np.float32["0.1"] >>> f64 = np.float64["0.1"] >>> f16 == f32 == f64 False >>> f16, f32, f64 [0.1, 0.1, 0.1]45,
>>> f16 = np.float16["0.1"] >>> f32 = np.float32["0.1"] >>> f64 = np.float64["0.1"] >>> f16 == f32 == f64 False >>> f16, f32, f64 [0.1, 0.1, 0.1]46,
>>> f16 = np.float16["0.1"] >>> f32 = np.float32["0.1"] >>> f64 = np.float64["0.1"] >>> f16 == f32 == f64 False >>> f16, f32, f64 [0.1, 0.1, 0.1]47,
>>> f16 = np.float16["0.1"] >>> f32 = np.float32["0.1"] >>> f64 = np.float64["0.1"] >>> f16 == f32 == f64 False >>> f16, f32, f64 [0.1, 0.1, 0.1]48 và
>>> f16 = np.float16["0.1"] >>> f32 = np.float32["0.1"] >>> f64 = np.float64["0.1"] >>> f16 == f32 == f64 False >>> f16, f32, f64 [0.1, 0.1, 0.1]49. Những thay đổi này làm cho quy ước ký tự loại phù hợp hơn với các mô -đun Python khác như mô -đun
>>> f16 = np.float16["0.1"] >>> f32 = np.float32["0.1"] >>> f64 = np.float64["0.1"] >>> f16 == f32 == f64 False >>> f16, f32, f64 [0.1, 0.1, 0.1]50. numpy.float32[source]#float32[source]#
Bí danh có kích thước#
numpy.float64[source]#float64[source]#Cùng với các tên có nguồn gốc C [chủ yếu] của họ, số nguyên, phao và loại dữ liệu phức tạp cũng có sẵn bằng cách sử dụng quy ước có chiều rộng bit để có thể luôn có một mảng có kích thước phù hợp. Hai bí danh [ndarrays
2 và True
6] chỉ vào loại số nguyên đủ lớn để giữ một con trỏ C cũng được cung cấp.
>>> f16 = np.float16["0.1"] >>> f32 = np.float32["0.1"] >>> f64 = np.float64["0.1"] >>> f16 == f32 == f64 False >>> f16, f32, f64 [0.1, 0.1, 0.1]53float96# numpy.float128[source]#
numpy.int8 [nguồn]# numpy.int16# numpy.int32# numpy.int64#
numpy.complex64[source]#complex64[source]#Bí danh cho các loại số nguyên đã ký [một trong
>>> f16 = np.float16["0.1"] >>> f32 = np.float32["0.1"] >>> f64 = np.float64["0.1"] >>> f16 == f32 == f64 False >>> f16, f32, f64 [0.1, 0.1, 0.1]54,
>>> f16 = np.float16["0.1"] >>> f32 = np.float32["0.1"] >>> f64 = np.float64["0.1"] >>> f16 == f32 == f64 False >>> f16, f32, f64 [0.1, 0.1, 0.1]55,
>>> f16 = np.float16["0.1"] >>> f32 = np.float32["0.1"] >>> f64 = np.float64["0.1"] >>> f16 == f32 == f64 False >>> f16, f32, f64 [0.1, 0.1, 0.1]56,
>>> f16 = np.float16["0.1"] >>> f32 = np.float32["0.1"] >>> f64 = np.float64["0.1"] >>> f16 == f32 == f64 False >>> f16, f32, f64 [0.1, 0.1, 0.1]57 và
>>> f16 = np.float16["0.1"] >>> f32 = np.float32["0.1"] >>> f64 = np.float64["0.1"] >>> f16 == f32 == f64 False >>> f16, f32, f64 [0.1, 0.1, 0.1]58] với số lượng bit được chỉ định. numpy.complex128[source]#complex128[source]#
Tương thích với C99
>>> f16 = np.float16["0.1"] >>> f32 = np.float32["0.1"] >>> f64 = np.float64["0.1"] >>> f16 == f32 == f64 False >>> f16, f32, f64 [0.1, 0.1, 0.1]59,
>>> f16 = np.float16["0.1"] >>> f32 = np.float32["0.1"] >>> f64 = np.float64["0.1"] >>> f16 == f32 == f64 False >>> f16, f32, f64 [0.1, 0.1, 0.1]60,
>>> f16 = np.float16["0.1"] >>> f32 = np.float32["0.1"] >>> f64 = np.float64["0.1"] >>> f16 == f32 == f64 False >>> f16, f32, f64 [0.1, 0.1, 0.1]61 và
>>> f16 = np.float16["0.1"] >>> f32 = np.float32["0.1"] >>> f64 = np.float64["0.1"] >>> f16 == f32 == f64 False >>> f16, f32, f64 [0.1, 0.1, 0.1]62, tương ứng. numpy.uint8 [nguồn]# numpy.uint16# numpy.uint32# numpy.uint64#complex192# numpy.complex256[source]#
Bí danh cho các loại số nguyên không dấu [một trong
>>> f16 = np.float16["0.1"] >>> f32 = np.float32["0.1"] >>> f64 = np.float64["0.1"] >>> f16 == f32 == f64 False >>> f16, f32, f64 [0.1, 0.1, 0.1]63,
>>> f16 = np.float16["0.1"] >>> f32 = np.float32["0.1"] >>> f64 = np.float64["0.1"] >>> f16 == f32 == f64 False >>> f16, f32, f64 [0.1, 0.1, 0.1]64,
>>> f16 = np.float16["0.1"] >>> f32 = np.float32["0.1"] >>> f64 = np.float64["0.1"] >>> f16 == f32 == f64 False >>> f16, f32, f64 [0.1, 0.1, 0.1]65,
>>> f16 = np.float16["0.1"] >>> f32 = np.float32["0.1"] >>> f64 = np.float64["0.1"] >>> f16 == f32 == f64 False >>> f16, f32, f64 [0.1, 0.1, 0.1]66 và
>>> f16 = np.float16["0.1"] >>> f32 = np.float32["0.1"] >>> f64 = np.float64["0.1"] >>> f16 == f32 == f64 False >>> f16, f32, f64 [0.1, 0.1, 0.1]67] với số lượng bit được chỉ định.
Tương thích với C99 >>> f16 = np.float16["0.1"]
>>> f32 = np.float32["0.1"]
>>> f64 = np.float64["0.1"]
>>> f16 == f32 == f64
False
>>> f16, f32, f64
[0.1, 0.1, 0.1]
68, >>> f16 = np.float16["0.1"]
>>> f32 = np.float32["0.1"]
>>> f64 = np.float64["0.1"]
>>> f16 == f32 == f64
False
>>> f16, f32, f64
[0.1, 0.1, 0.1]
69, >>> f16 = np.float16["0.1"]
>>> f32 = np.float32["0.1"]
>>> f64 = np.float64["0.1"]
>>> f16 == f32 == f64
False
>>> f16, f32, f64
[0.1, 0.1, 0.1]
70 và >>> f16 = np.float16["0.1"]
>>> f32 = np.float32["0.1"]
>>> f64 = np.float64["0.1"]
>>> f16 == f32 == f64
False
>>> f16, f32, f64
[0.1, 0.1, 0.1]
71, tương ứng.
Bí danh cho loại số nguyên đã ký [một trong
>>> f16 = np.float16["0.1"] >>> f32 = np.float32["0.1"] >>> f64 = np.float64["0.1"] >>> f16 == f32 == f64 False >>> f16, f32, f64 [0.1, 0.1, 0.1]54,
>>> f16 = np.float16["0.1"] >>> f32 = np.float32["0.1"] >>> f64 = np.float64["0.1"] >>> f16 == f32 == f64 False >>> f16, f32, f64 [0.1, 0.1, 0.1]55,
>>> f16 = np.float16["0.1"] >>> f32 = np.float32["0.1"] >>> f64 = np.float64["0.1"] >>> f16 == f32 == f64 False >>> f16, f32, f64 [0.1, 0.1, 0.1]56,
>>> f16 = np.float16["0.1"] >>> f32 = np.float32["0.1"] >>> f64 = np.float64["0.1"] >>> f16 == f32 == f64 False >>> f16, f32, f64 [0.1, 0.1, 0.1]57 và np.longlong] có cùng kích thước với con trỏ. numpy.float_[source]#float_[source]#
bí danh của
>>> f16 = np.float16["0.1"] >>> f32 = np.float32["0.1"] >>> f64 = np.float64["0.1"] >>> f16 == f32 == f64 False >>> f16, f32, f64 [0.1, 0.1, 0.1]86 numpy.complex_[source]#complex_[source]#
bí danh của
>>> f16 = np.float16["0.1"] >>> f32 = np.float32["0.1"] >>> f64 = np.float64["0.1"] >>> f16 == f32 == f64 False >>> f16, f32, f64 [0.1, 0.1, 0.1]89
Một số sử dụng thêm các quy ước đặt tên thay thế cho phao chính xác mở rộng và các số phức tạp:
numpy.longfloat[source]#longfloat[source]#bí danh của
>>> f16 = np.float16["0.1"] >>> f32 = np.float32["0.1"] >>> f64 = np.float64["0.1"] >>> f16 == f32 == f64 False >>> f16, f32, f64 [0.1, 0.1, 0.1]87 numpy.singlecomplex[source]#singlecomplex[source]#
bí danh của
>>> f16 = np.float16["0.1"] >>> f32 = np.float32["0.1"] >>> f64 = np.float64["0.1"] >>> f16 == f32 == f64 False >>> f16, f32, f64 [0.1, 0.1, 0.1]88 numpy.cfloat[source]#cfloat[source]#
bí danh của
>>> f16 = np.float16["0.1"] >>> f32 = np.float32["0.1"] >>> f64 = np.float64["0.1"] >>> f16 == f32 == f64 False >>> f16, f32, f64 [0.1, 0.1, 0.1]89
Một số sử dụng thêm các quy ước đặt tên thay thế cho phao chính xác mở rộng và các số phức tạp:
numpy.clongfloat[source]#clongfloat[source]#Một số sử dụng thêm các quy ước đặt tên thay thế cho phao chính xác mở rộng và các số phức tạp:
bí danh của
>>> f16 = np.float16["0.1"] >>> f32 = np.float32["0.1"] >>> f64 = np.float64["0.1"] >>> f16 == f32 == f64 False >>> f16, f32, f64 [0.1, 0.1, 0.1]87 numpy.string_[source]#string_[source]#
bí danh của
>>> f16 = np.float16["0.1"] >>> f32 = np.float32["0.1"] >>> f64 = np.float64["0.1"] >>> f16 == f32 == f64 False >>> f16, f32, f64 [0.1, 0.1, 0.1]88 numpy.unicode_[source]#unicode_[source]#
bí danh của
>>> f16 = np.float16["0.1"] >>> f32 = np.float32["0.1"] >>> f64 = np.float64["0.1"] >>> f16 == f32 == f64 False >>> f16, f32, f64 [0.1, 0.1, 0.1]90
Attributes#
Các bí danh sau đây có nguồn gốc từ Python 2 và chúng tôi không nên sử dụng mã mới.
>>> np.datetime64[10, 'Y'] numpy.datetime64['1980'] >>> np.datetime64['1980', 'Y'] numpy.datetime64['1980'] >>> np.datetime64[10, 'D'] numpy.datetime64['1970-01-11']08 | bí danh của >>> np.datetime64[10, 'Y'] numpy.datetime64['1980'] >>> np.datetime64['1980', 'Y'] numpy.datetime64['1980'] >>> np.datetime64[10, 'D'] numpy.datetime64['1970-01-11']03 |
>>> np.datetime64[10, 'Y'] numpy.datetime64['1980'] >>> np.datetime64['1980', 'Y'] numpy.datetime64['1980'] >>> np.datetime64[10, 'D'] numpy.datetime64['1970-01-11']09 | bí danh của >>> np.datetime64[10, 'Y'] numpy.datetime64['1980'] >>> np.datetime64['1980', 'Y'] numpy.datetime64['1980'] >>> np.datetime64[10, 'D'] numpy.datetime64['1970-01-11']04 |
>>> np.datetime64[10, 'Y'] numpy.datetime64['1980'] >>> np.datetime64['1980', 'Y'] numpy.datetime64['1980'] >>> np.datetime64[10, 'D'] numpy.datetime64['1970-01-11']10 | Các đối tượng vô hướng mảng có >>> np.datetime64[10, 'Y'] numpy.datetime64['1980'] >>> np.datetime64['1980', 'Y'] numpy.datetime64['1980'] >>> np.datetime64[10, 'D'] numpy.datetime64['1970-01-11']05 là >>> np.datetime64[10, 'Y'] numpy.datetime64['1980'] >>> np.datetime64['1980', 'Y'] numpy.datetime64['1980'] >>> np.datetime64[10, 'D'] numpy.datetime64['1970-01-11']06 [-1.000.000.0]. Họ cũng chưa [chưa] có thuộc tính >>> np.datetime64[10, 'Y'] numpy.datetime64['1980'] >>> np.datetime64['1980', 'Y'] numpy.datetime64['1980'] >>> np.datetime64[10, 'D'] numpy.datetime64['1970-01-11']07. Mặt khác, chúng chia sẻ các thuộc tính giống như các mảng: |
>>> np.datetime64[10, 'Y'] numpy.datetime64['1980'] >>> np.datetime64['1980', 'Y'] numpy.datetime64['1980'] >>> np.datetime64[10, 'D'] numpy.datetime64['1970-01-11']11 | Giá trị số nguyên của cờ. |
>>> np.datetime64[10, 'Y'] numpy.datetime64['1980'] >>> np.datetime64['1980', 'Y'] numpy.datetime64['1980'] >>> np.datetime64[10, 'D'] numpy.datetime64['1970-01-11']12 | Tuple của kích thước mảng. |
>>> np.datetime64[10, 'Y'] numpy.datetime64['1980'] >>> np.datetime64['1980', 'Y'] numpy.datetime64['1980'] >>> np.datetime64[10, 'D'] numpy.datetime64['1970-01-11']13 | Tuple của byte bước trong mỗi chiều. |
>>> np.datetime64[10, 'Y'] numpy.datetime64['1980'] >>> np.datetime64['1980', 'Y'] numpy.datetime64['1980'] >>> np.datetime64[10, 'D'] numpy.datetime64['1970-01-11']14 | Số lượng kích thước mảng. |
>>> np.datetime64[10, 'Y'] numpy.datetime64['1980'] >>> np.datetime64['1980', 'Y'] numpy.datetime64['1980'] >>> np.datetime64[10, 'D'] numpy.datetime64['1970-01-11']15 | Con trỏ để bắt đầu dữ liệu. |
>>> np.datetime64[10, 'Y'] numpy.datetime64['1980'] >>> np.datetime64['1980', 'Y'] numpy.datetime64['1980'] >>> np.datetime64[10, 'D'] numpy.datetime64['1970-01-11']16 | Số lượng các yếu tố trong gentype. |
>>> np.datetime64[10, 'Y'] numpy.datetime64['1980'] >>> np.datetime64['1980', 'Y'] numpy.datetime64['1980'] >>> np.datetime64[10, 'D'] numpy.datetime64['1970-01-11']17 | Độ dài của một phần tử trong byte. |
>>> np.datetime64[10, 'Y'] numpy.datetime64['1980'] >>> np.datetime64['1980', 'Y'] numpy.datetime64['1980'] >>> np.datetime64[10, 'D'] numpy.datetime64['1970-01-11']18 | Thuộc tính vô hướng giống hệt với thuộc tính mảng tương ứng. |
>>> np.datetime64[10, 'Y'] numpy.datetime64['1980'] >>> np.datetime64['1980', 'Y'] numpy.datetime64['1980'] >>> np.datetime64[10, 'D'] numpy.datetime64['1970-01-11']19 | Nhận mảng dữ liệu-Descriptor. |
>>> np.datetime64[10, 'Y'] numpy.datetime64['1980'] >>> np.datetime64['1980', 'Y'] numpy.datetime64['1980'] >>> np.datetime64[10, 'D'] numpy.datetime64['1970-01-11']20 | Con trỏ để bắt đầu dữ liệu. |
>>> np.datetime64[10, 'Y'] numpy.datetime64['1980'] >>> np.datetime64['1980', 'Y'] numpy.datetime64['1980'] >>> np.datetime64[10, 'D'] numpy.datetime64['1970-01-11']21 | Số lượng các yếu tố trong gentype. |
>>> np.datetime64[10, 'Y'] numpy.datetime64['1980'] >>> np.datetime64['1980', 'Y'] numpy.datetime64['1980'] >>> np.datetime64[10, 'D'] numpy.datetime64['1970-01-11']22 | Độ dài của một phần tử trong byte. |
>>> np.datetime64[10, 'Y'] numpy.datetime64['1980'] >>> np.datetime64['1980', 'Y'] numpy.datetime64['1980'] >>> np.datetime64[10, 'D'] numpy.datetime64['1970-01-11']23 | Thuộc tính vô hướng giống hệt với thuộc tính mảng tương ứng. |
>>> np.datetime64[10, 'Y'] numpy.datetime64['1980'] >>> np.datetime64['1980', 'Y'] numpy.datetime64['1980'] >>> np.datetime64[10, 'D'] numpy.datetime64['1970-01-11']24 | Nhận mảng dữ liệu-Descriptor. |
Indexing#
Phần thực của vô hướng.
Phần tưởng tượng của vô hướng.
Một cái nhìn 1-D của vô hướng.
Giao thức Array: Phía Python
Methods#
Giao thức mảng: structufunc, so that the error state used for ufuncs also carries over to the math on array scalars.
Ưu tiên mảng.
>>> np.datetime64[10, 'Y'] numpy.datetime64['1980'] >>> np.datetime64['1980', 'Y'] numpy.datetime64['1980'] >>> np.datetime64[10, 'D'] numpy.datetime64['1970-01-11']29 | sc .__ mảng_wrap __ [obj] trả về vô hướng từ mảng |
>>> np.datetime64[10, 'Y'] numpy.datetime64['1980'] >>> np.datetime64['1980', 'Y'] numpy.datetime64['1980'] >>> np.datetime64[10, 'D'] numpy.datetime64['1970-01-11']24 | Nhận mảng dữ liệu-Descriptor. |
>>> np.datetime64[10, 'Y'] numpy.datetime64['1980'] >>> np.datetime64['1980', 'Y'] numpy.datetime64['1980'] >>> np.datetime64[10, 'D'] numpy.datetime64['1970-01-11']31 | Phần thực của vô hướng. |
>>> np.datetime64[10, 'Y'] numpy.datetime64['1980'] >>> np.datetime64['1980', 'Y'] numpy.datetime64['1980'] >>> np.datetime64[10, 'D'] numpy.datetime64['1970-01-11']32 | Phần thực của vô hướng. |
>>> np.datetime64[10, 'Y'] numpy.datetime64['1980'] >>> np.datetime64['1980', 'Y'] numpy.datetime64['1980'] >>> np.datetime64[10, 'D'] numpy.datetime64['1970-01-11']33 | Phần tưởng tượng của vô hướng. |
>>> np.datetime64[10, 'Y'] numpy.datetime64['1980'] >>> np.datetime64['1980', 'Y'] numpy.datetime64['1980'] >>> np.datetime64[10, 'D'] numpy.datetime64['1970-01-11']34 | |
>>> np.datetime64[10, 'Y'] numpy.datetime64['1980'] >>> np.datetime64['1980', 'Y'] numpy.datetime64['1980'] >>> np.datetime64[10, 'D'] numpy.datetime64['1970-01-11']35 | Phần thực của vô hướng. |
Phần tưởng tượng của vô hướng.
>>> np.datetime64[10, 'Y'] numpy.datetime64['1980'] >>> np.datetime64['1980', 'Y'] numpy.datetime64['1980'] >>> np.datetime64[10, 'D'] numpy.datetime64['1970-01-11']36[item, /] | Một cái nhìn 1-D của vô hướng. |
Giao thức Array: Phía Python
Giao thức mảng: structdtypes from the built-in scalar types]: One way is to simply subclass the
>>> np.void[b'abcd'] void[b'\x61\x62\x63\x64']0 and overwrite the methods of interest. This will work to a degree, but internally certain behaviors are fixed by the data type of the array. To fully customize the data type of an array you need to define a new data-type, and register it with NumPy. Such new types can only be defined in C, using the NumPy C-API.