NumPy-ndarray的數(shù)據(jù)類型用法說明

arr = np.array([1,2,3,4,5])
print(arr.dtype)
print(arr)
float_arr = arr.astype('float32')#也可以寫作 arr.astype(np.float32)
print(float_arr.dtype)
print(float_arr)

int_arr = np.arange(10)
calibers = np.array([.22, .270, .357], dtype=np.float64)
print(calibers)
arr_last = int_arr.astype(calibers.dtype)
print(arr_last.dtype)
print(arr_last)

# 測(cè)試當(dāng)前Numpy中的narray中的屬性
# 使用的numpy的版本為：1.17.4
import numpy as np

default_array = [[1, 2, 3, 4, 5, 6],
                 [1, 2, 3, 4, 5, 6]]
np_array = np.array(default_array)
print("當(dāng)前存儲(chǔ)后的數(shù)據(jù)的dtype類型為：{}".format(np_array.dtype))  # int32
print("查看這個(gè)對(duì)象的實(shí)際類型：{}".format(type(np_array)))  #
print("查看這個(gè)對(duì)象的形狀：{}".format(np_array.shape))  # （2，6）
print("當(dāng)前這個(gè)對(duì)象的字節(jié)長度：{}".format(np_array.itemsize))  # 4
print("當(dāng)前這個(gè)對(duì)象的長度(使用python的len方法)：{}".format(len(np_array)))  # 2 只迭代了一組數(shù)據(jù)外層的二維數(shù)據(jù)
print("當(dāng)前這個(gè)對(duì)象的長度(使用自己的size方法)：{}".format(np_array.size))  # 獲取了所有的數(shù)據(jù)的數(shù)量

print(np.array([[1, 2, 3], [1, 2, 3]]).dtype)
print(np.array([1.2, 2.2, 3.2]).dtype)

# 可以看出當(dāng)前默認(rèn)使用的類型為int32
# 默認(rèn)使用的浮點(diǎn)類型為：float64

# 修改和設(shè)定當(dāng)前的使用的初始化類型
# print(np.array([[1.1,1.2,1.3]],dtype="int32").dtype)
print(np.array([[1.1,1.2,1.3]],dtype=np.int32).dtype)

# 使用numpy中的生成的數(shù)組數(shù)據(jù)的方法
import numpy as np

# 生成1的操作
np_array = np.zeros([2, 2])
print("當(dāng)前生成的數(shù)據(jù)為：{}".format(np_array))
print("輸出當(dāng)前生成的數(shù)據(jù)的類型為：{}".format(np_array.dtype))

# 說明當(dāng)前默認(rèn)產(chǎn)生的數(shù)據(jù)數(shù)據(jù)的類型為float64
# 現(xiàn)在改變當(dāng)前的dtype,直接將當(dāng)前的dtype的數(shù)據(jù)類型設(shè)置為int32
np_array.dtype = np.int32
print("當(dāng)前生成的數(shù)據(jù)為：{}".format(np_array))
print("輸出當(dāng)前生成的數(shù)據(jù)的類型為：{}".format(np_array.dtype))

# 生成1的數(shù)據(jù)
np_array_ones = np.ones([2, 2], dtype=np.int32)
print(np_array_ones)

# 創(chuàng)建一個(gè)未初始化的數(shù)據(jù)，默認(rèn)未初始化
x = np.empty([3, 2], dtype=int)
print(x)

# 從已有的數(shù)組中創(chuàng)建數(shù)據(jù)
import numpy as np

default_array = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
default_tuple = (1, 2, 3, 4, 5, 6, 7, 8, 9, 10)
print(type(default_tuple))
copy_array = np.asarray(default_array)  # 用于淺拷貝
copy_tuple = np.asarray(default_tuple)
print("asarray數(shù)組后的數(shù)據(jù)：{}".format(copy_array))
print("asarray元組后的數(shù)據(jù)：{}".format(copy_tuple))
deep_copy_array = np.copy(default_array)
print("copy數(shù)組后的數(shù)據(jù)：{}".format(deep_copy_array))

# 通過固定范圍生成數(shù)組,使用arange方式生成0 到 9之間的數(shù)據(jù),默認(rèn)生成的數(shù)據(jù)為當(dāng)前的為范圍的值，這里的步長默認(rèn)就是1,結(jié)果中不包含10，這里是按照指定的步長進(jìn)行迭代
range_array = np.arange(0, 10, dtype=np.int32)
print("range_array:{}".format(range_array))

# 通過隨機(jī)方式生成數(shù)組
random_array = np.random.random((2, 2))
print("使用隨機(jī)方式生成數(shù)組：{}".format(random_array))  # 默認(rèn)生成的數(shù)據(jù)為0到1之間的數(shù)據(jù)

# 2 生成隨機(jī)的整數(shù)
random_array_int = np.random.randint(1, 10, (2, 2))
print("生成隨機(jī)整數(shù)：{}".format(random_array_int))

# 在指定范圍中生成15 個(gè) 1到 10之間的數(shù),這是一個(gè)隨機(jī)的數(shù)據(jù)，是等距離的，當(dāng)要求的數(shù)據(jù)超過當(dāng)前的范圍的數(shù)據(jù)的時(shí)候默認(rèn)就會(huì)隨機(jī)生成一些數(shù)據(jù)
listspace_array = np.linspace(1, 10, 15, dtype=np.int32)  # 就是按照一定的等分進(jìn)行劃分為指定個(gè)需要的數(shù)據(jù)，這里的結(jié)果中包含10，相當(dāng)于當(dāng)前的等差數(shù)列一樣
print("listspace_array:{}".format(listspace_array))

# 生成一個(gè)等比的數(shù)列，這里面的2 表示生成的樣本的個(gè)數(shù)為2 ,起始數(shù)據(jù)為1，結(jié)束數(shù)據(jù)為4,表示最小為3的1次方到當(dāng)前的3的4次方
equal_ratio_array = np.logspace(1, 4, 2, dtype=np.int32)  # 這里的默認(rèn)的底數(shù)為10 表示當(dāng)前最小為10的一次方，最大為當(dāng)前的10的4次方
print("當(dāng)前的等比數(shù)列的數(shù)據(jù)為：{}".format(equal_ratio_array))