Typy danych NumPy

Wprowadzenie do NumPy

Izzy Weber

Core Curriculum Manager, DataCamp

NumPy a typy danych Pythona

Przykładowe typy danych w Pythonie:

Przykładowe typy danych w NumPy:

Liczba 10436 w systemie binarnym:

Obraz liczby 10436 w systemie binarnym

np.int32 może przechowywać 4 294 967 296 liczb całkowitych:

Diagram pojemności np.int32

Liczba 10436 w systemie binarnym:

Obraz liczby 10436 w systemie binarnym

np.int32 może przechowywać 4 294 967 296 liczb całkowitych:

Diagram pojemności np.int32

np.array([1.32, 5.78, 175.55]).dtype

dtype('float64')

int_array = np.array([[1, 2, 3], [4, 5, 6]])
int_array.dtype

dtype('int64')

np.array(["Introduction", "to", "NumPy"]).dtype

dtype('<U12')

float32_array = np.array([1.32, 5.78, 175.55], dtype=np.float32)
float32_array.dtype

dtype('float32')

boolean_array = np.array([[True, False], [False, False]], dtype=np.bool_)
boolean_array.astype(np.int32)

array([[1, 0],
       [0, 0]], dtype=int32)

np.array([True, "Boop", 42, 42.42])

array(['True', 'Boop', '42', '42.42'], dtype='<U5')

Dodanie liczby zmiennoprzecinkowej do tablicy liczb całkowitych zmieni wszystkie wartości na typ float:

np.array([0, 42, 42.42]).dtype

dtype('float64')

Dodanie liczby całkowitej do tablicy wartości logicznych zmieni je wszystkie na typ integer:

np.array([True, False, 42]).dtype

dtype('int64')

Wprowadzenie do NumPy