第 81 天：NumPy Ndarray 對象及數據類型

上一篇文章中咱們詳細介紹了 NumPy 的功能及用途，本章節着重介紹 NumPy 一個神奇的對象 Ndarray 以及 NumPy 數據類型，包括二者的用途，接下來就開啓神奇之旅吧。

• 標準安裝的  Python 中用列表 (list)  保存一組值，它能夠用來看成數組使用，不過因爲列表的元素能夠是任何對象，所以列表中所保存的是對象的指針。這樣爲了保存一個簡單的[1,2,3]，須要有3個指針和三個整數對象。對於數值運算來講這種結構顯然比較浪費內存和CPU計算時間。

• 此外 Python 還提供了一個array模塊，array對象和列表不一樣，它直接保存數值，和C語言的一維數組比較相似。可是因爲它不支持多維，也沒有各類運算函數，所以也不適合作數值運算。

• NumPy  的誕生彌補了這些不足，NumPy提供了兩種基本的對象：ndarray（N-dimensional array object）和  ufunc（universal function object）。ndarray (下文統一稱之爲數組)是存儲單一數據類型的多維數組，而  ufunc 則是可以對數組進行處理的函數。

1、NumPy Ndarray 對象

NumPy  最重要的一個特色是其 N 維數組對象 ndarray，Ndarray 從名字組成上看是 Nd-array,顧名思義就是 N  維數組的意思，它是一系列多維且同類型數據的集合，以 下標爲 0 開始進行集合中元素的索引。ndarray 是內存存儲，換言之 ndarray  對象由計算機內存的連續一部分組成，並結合索引模式，將每一個元素映射到內存塊中的一個位置，它比列表存儲節省空間

• ndarray 對象是用於存放同類型元素的多維數組。
• ndarray 中的每一個元素在內存中都有相同存儲大小的區域。
  

一、ndarray 內部內容組成

• 一個指向數據（內存或內存映射文件中的一塊數據）的指針。
• 數據類型或 dtype，描述在數組中的固定大小值的格子。
• 一個表示數組形狀（shape）的元組，表示各維度大小的元組。
• 一個跨度元組（stride），其中的整數指的是爲了前進到當前維度下一個元素須要"跨過"的字節數。
  

二、ndarray 的內部結構

ndarray 內部結構

三、建立 ndarray

from numpy import *eye(4)Out[3]: array([[1., 0., 0., 0.],       [0., 1., 0., 0.],       [0., 0., 1., 0.],       [0., 0., 0., 1.]])

由以上實例可知，建立一個 ndarray 只需調用 NumPy 的 array 函數便可，以下：

numpy.array(object, dtype = None, copy = True, order = None, subok = False, ndmin = 0)

3.1 參數說明

名稱	描述
object	數組或嵌套的數列
dtype	數組元素的數據類型，可選
copy	對象是否須要複製，可選
order	建立數組的樣式，C爲行方向，F爲列方向，A爲任意方向（默認）
subok	默認返回一個與基類類型一致的數組
ndmin	指定生成數組的最小維度

值得注意的是：ndmin 默認爲數值爲 0

3.2 運用實例

建立一個簡單的 ndarray 對象，單維數組

import numpy as np a = np.array([1,2,3])  print (a)

輸出結果以下：

[1 2 3]

建立一個大於 1 維的數組

import numpy as np a = np.array([[1,  2],  [3,  4]])  print (a)

輸出結果以下：

[[1 2] [3 4]]

使用最小維度參數指定維度

如下實例指定數組維度爲 2 維，ndmin 默認維度是 0

import numpy as np a = np.array([1,  2,  3,4,5], ndmin =  2)  print (a)

輸出結果爲：

[[1, 2, 3, 4, 5]]

使用 dtype 參數指定數組元素的數據類型

import numpy as np a = np.array([1,  2,  3], dtype = complex)  print (a)

輸出結果：

[1.+0.j 2.+0.j 3.+0.j]

2、NumPy 數據類型

NumPy 支持的數據類型比 Python 內置的類型要更多，基本上能夠和 C 語言的數據類型對應上，其中部分類型對應爲 Python 內置的類型。

一、NumPy 經常使用數據類型

下表列舉了 NumPy 經常使用基本數據類型，爲了區別於 Python 原生的數據類型，bool、int、float、complex、str 等類型名稱末尾都加了 _。

名稱	描述
bool_	布爾型數據類型（True 或者 False）
int_	默認的整數類型（相似於 C 語言中的 long，int32 或 int64）
intc	與 C 的 int 類型同樣，通常是 int32 或 int 64
intp	用於索引的整數類型（相似於 C 的 ssize_t，通常狀況下仍然是 int32 或 int64）
int8	字節（-128 to 127）
int16	整數（-32768 to 32767）
int32	整數（-2147483648 to 2147483647）
int64	整數（-9223372036854775808 to 9223372036854775807）
uint8	無符號整數（0 to 255）
uint16	無符號整數（0 to 65535）
uint32	無符號整數（0 to 4294967295）
uint64	無符號整數（0 to 18446744073709551615）
float_	float64 類型的簡寫
float16	半精度浮點數，包括：1 個符號位，5 個指數位，10 個尾數位
float32	單精度浮點數，包括：1 個符號位，8 個指數位，23 個尾數位
float64	雙精度浮點數，包括：1 個符號位，11 個指數位，52 個尾數位
complex_	complex128 類型的簡寫，即 128 位複數
complex64	複數，表示雙 32 位浮點數（實數部分和虛數部分）
complex128	複數，表示雙 64 位浮點數（實數部分和虛數部分）

另外 numpy 的數值類型其實是 dtype 對象的實例，並對應惟一的字符，包括 np.bool_，np.int32，np.float32，等等。

二、數據類型對象-dtype

數據類型對象是用來描述與數組對應的內存區域如何使用，這依賴以下幾個方面：

• 數據的類型（整數，浮點數或者 Python 對象）
• 數據的大小（例如， 整數使用多少個字節存儲）
• 數據的字節順序（小端法或大端法）
• 在結構化類型的狀況下，字段的名稱、每一個字段的數據類型和每一個字段所取的內存塊的部分
• 若是數據類型是子數組，它的形狀和數據類型

字節順序是經過對數據類型預先設定"<"或">"來決定的。"<"意味着小端法(最小值存儲在最小的地址，即低位組放在最前面)。">"意味着大端法(最重要的字節存儲在最小的地址，即高位組放在最前面)。

dtype 對象是使用如下語法構造的：

numpy.dtype(object, align, copy)

• object - 要轉換爲的數據類型對象
• align - 若是爲 true，填充字段使其相似 C 的結構體。
• copy - 複製 dtype 對象 ，若是爲 false，則是對內置數據類型對象的引用

實例操做：

實例 1

import numpy as np# 使用標量類型da = np.array([1, 2, 3])print(da.dtype)

輸出結果爲：

int32

實例 2

import numpy as np# int8, int16, int32, int64 四種數據類型可使用字符串 'i1', 'i2','i4','i8' 代替dt = np.dtype('i4')print(dt)

輸出結果爲：

int32

三、結構化數據類型的運用

結構化數據類型的使用，類型字段和對應的實際類型將被建立

實例1：建立年齡數組而且應用於 ndarray 對象

1）建立一個結構化數據類型

da = np.dtype(np.int64)print(da)
# 建立dt = np.dtype([('age',np.int8)])print(dt)

輸出結果爲：

int64[('age', 'i1')]

2）將結構化數據類型應用於ndarray 對象

dt = np.dtype([('age',np.int8)]) a = np.array([(10,),(20,),(30,)], dtype = dt) print(a)

輸出結果爲：

[(10,) (20,) (30,)]

3) 類型字段名能夠用於存取實際的 age 列

dt = np.dtype([('age',np.int8)]) a = np.array([(10,),(20,),(30,)], dtype = dt) print(a['age'])

輸出結果爲：

[10 20 30]

實例2：定義一個結構化數據類型 student，包含字符串字段 name，整數字段 age，及浮點字段 marks，並將這個 dtype 應用到 ndarray 對象。

1） 建立數組

student = np.dtype([('name','S20'), ('age', 'i1'), ('marks', 'f4')]) print(student)

輸出結果：

[('name', 'S20'), ('age', 'i1'), ('marks', '<f4')]

2） 將數組應用與 ndarray 對象

import numpy as npstudent = np.dtype([('name','S20'), ('age', 'i1'), ('marks', 'f4')]) a = np.array([('abc', 21, 50),('xyz', 18, 75)], dtype = student) print(a)

輸出結果爲：

[(b'abc', 21, 50.) (b'xyz', 18, 75.)]

3.1 內建類型的字符代碼以下：

字符	對應類型
b	布爾型
i	(有符號) 整型
u	無符號整型 integer
f	浮點型
c	複數浮點型
m	timedelta（時間間隔）
M	datetime（日期時間）
O	(Python) 對象
S, a	(byte-)字符串
U	Unicode
V	原始數據 (void)

3.2 NumPy 數據類型轉換

numpy 數據類型轉換須要調用方法 astype()，不能直接修改 dtype。調用 astype 返回數據類型修改後的數據，可是源數據的類型不會變，須要進一步對源數據的賦值操做才能改變。

實例：

da = np.array([1.2,1.1,1.0])# 輸出 da 的數據類型print(da.dtype)# 輸出 float64
# 轉換 da 的數據類型print(da.astype(np.int32))# 輸出 [1 1 1]
# 從新查看數據類型,發現數據類型還未改變print(da.dtype)# 輸出 float64
# 從新進行賦值操做da = da.astype(np.int32)print(da.dtype) # 輸出int32
print(da)# 輸出 [1 1 1]

四、複數

咱們把形如 z=a+bi（a, b均爲實數）的數稱爲複數，其中 a 稱爲實部，b 稱爲虛部，i 稱爲虛數單位。

當虛部 b=0  時，複數 z 是實數；
當虛部 b!=0  時，複數 z 是虛數；
當虛部 b!=0 ，且實部 a=0 時，複數 z 是純虛數。

實例：

import numpy as np a = np.array([1,  2,  3], dtype = complex)  print (a)

輸出：

[1.+0.j 2.+0.j 3.+0.j]

如上輸出結果就是複數形式的數據類型

總結

本章節是對 NumPy Ndarray 對象及 NumPy 數據類型的用法做詳細介紹，本文介紹的是 Ndarray 基礎知識，等把 NumPy 全部知識點介紹完後會出一些項目實戰，更好的給運用 NumPy 相關知識點的工程師提供支撐。

參考

https://www.runoob.com/numpy/numpy-ndarray-object.html https://www.runoob.com/numpy/numpy-dtype.html

文中示例代碼：python-100-days