Numpy dtypes

Python ist eine der am besten verwendeten und am meisten verwendeten Programmiersprachen auf der ganzen Welt. Novice sowie Expertenentwickler arbeiten lieber in der Python-Programmiersprache über eine andere Sprache auf hoher Ebene. Es ist nicht nur einfach zu codieren, sondern auch leicht zu lernen. Die integrierten Bibliotheken der Python-Programmiersprache machten es einfach und einfach zu bedienen. Sie können mehr über die Numpy Library und ihre DTYPE -Methode aus diesem Beitrag erfahren. Mit Hilfe von Beispielen werden wir erklären, was Numpy DTYPES sind und wie sie in Python -Programmen für Sie hilfreich sind.

Was ist Numpy in der Python -Programmiersprache?

Python definiert Numpy als integrierte Bibliothek. Es ist verwendet, um auf Arrays zu arbeiten. Numpy steht für Numerical Python und ist eine Open-Source-Bibliothek der Python-Programmiersprache, um mit praktischen technischen oder wissenschaftlichen praktischen Beispielen umzugehen. Alle Funktionen, die Sie benötigen, um in Matrizen, Mathematik und linearen Algebra zu arbeiten. Darüber hinaus bringt es die Rechenleistung der meisten hochrangigen Sprachen wie FORTRAN oder C in die Python-Programmiersprache ein.

Was sind numpy dypes?

Die Numpy Library of Python bietet eine Vielzahl von numerischen Datentypen. Das DTYPES ist ein Beispiel für die Numpy -Bibliothek, die beschreibt, wie ein Datenbyte im Speicher dargestellt wird. Es ist ein Datentyp -Objekt mit eindeutigen Eigenschaften, die interpretieren, wie ein fester Speicherblock mit einem Array zugeordnet ist. Die Korrespondenz des Arrays mit dem Speicherblock hängt von Byte -Reihenfolge, Datengröße, Datentyp, Feldname usw. ab.

Syntax von Numpy Dtypes

Die Verwendung von Numpy DTYPES in Ihren Programmen ist sehr einfach. Alles, was Sie tun müssen, ist, sich an die grundlegende Syntax zu erinnern, die wie folgt lautet:

Hier repräsentiert „N“ die Numpy -Bibliothek, die in das Programm importiert werden muss, um die Funktion DTypes zu verwenden. Der Eingabewert wird durch das "DataObject" dargestellt. Dieser Wert wird in ein Objekt des Datentyps geändert. Die „Ausrichtung“ stellt dar. Und schließlich stellt der Parameter „Kopie“ dar, ob eine Kopie des DTYPE -Objekts erstellt werden muss oder nicht.

Beispiel 1

Wir beginnen mit einem grundlegenden Beispiel für Numpy DTypes, damit Sie nicht verwirrt sind. Hier definieren wir die grundlegende Arbeit der Numpy Dtypes -Funktion. Lassen Sie uns also ein paar Codezeilen schreiben, um die Numpy DTypes zu implementieren. Der Code wird unten als Referenz angegeben:

Numph als NPY importieren
n = npy.DTYPE ('> I4')
print ("Die Byte -Reihenfolge von n ist =", n.Byteorder)
print ("Die Größe von n ist =", n.itemsize)
print ("Der Datentyp von n ist =", n.Name)

Das Programm beginnt mit "Import Numpy als NPY"; Diese Zeile importiert die Numpy -Bibliothek in das von der NPY -Variablen dargestellte Programm. Danach haben wir „n = npy.DTYPES ("> i4") ", n ist eine Variable, die den resultierenden Wert aus der Funktion dypes () enthält, und"> ​​i4 "repräsentiert die Ganzzahl des Byte-Byte-Byte-Byte-Byte-Orders. Das Zeichen ">" und "<” represent big-endian and little-endian encoding, respectively. Three print() statements are used to get the byteorder, itemsize, and name of the NumPy dtypes object. Let us see the screenshot below to check what we get from the NumPy dtypes:

Wie Sie in der oben angegebenen Ausgabe sehen, ist die Byte-Bestellung ">", da wir die ">" -Big-Endian-Byte-Bestellung verwendet haben. Die Größe des Objekts beträgt 4 und der Datentyp ist „int32“, da wir die Bytegröße und den Typ „i4“ definiert haben, was eine Ganzzahl von Bytes der Größe 4 ist.

Beispiel 2

Lassen Sie uns nun den Datentyp eines Arrays überprüfen. Früher haben wir gesehen, wie der Numpy -Typ den Datentyp, den Byteorder und die Größe des Objekts liefert. Lassen Sie uns also ein Array für die numpy dypes zur Verfügung stellen und diese Instanzen dieses Arrays erhalten. Der Referenzcode ist unten für Ihr Verständnis angegeben:

Numph als NP importieren
arr = np.Array ([5, 4, 6, 8, 8, 5, 2])
print ("Der Datentyp des Arrays ist =", arr, arr.DTYPE)

Auch hier haben wir die Numpy -Bibliothek in das Programm importiert, damit wir die DTypes -Funktion verwenden konnten. Danach deklarierten wir ein Array mit 7 Artikeln mit Ganzzahl. Mit der Druckanweisung werden wir das Ergebnis der DTypes anzeigen. Siehe die unten angegebene Ausgabe:

Wie wir wissen, waren die Daten im Array ganzzahliger Typ; Die DTYPES haben das korrekte Ergebnis als INT64 zurückgegeben.

Beispiel 3

Testen wir die DTypes mit einem String -Array. In diesem Beispiel werden wir die Daten des String -Typs bereitstellen und die Funktion DTYPES verwenden, um den Datentyp des Arrays zu überprüfen. Der Referenzcode ist nachstehend für Ihre Anleitung angegeben:

Numph als NP importieren
arr = np.Array (['Kindle', 'Genner', 'Specer'])
print ("Der Datentyp des Arrays ist =", arr, arr.DTYPE)

Hier haben wir die Zeichenfolgen dem Array zur Verfügung gestellt, damit die Ausgabe den String -Datentyp beschreiben sollte. Siehe die Ausgabe unten:

Beispiel 4

Bisher haben wir den Datentyp des Objekts nur mit der Numpy DTypes -Funktion überprüft. Der Numpy -Typ wird auch verwendet, um ein Objekt mit dem definierten Datentyp zu erstellen.

Numph als NP importieren
arr = np.Array ([5, 4, 6, 8, 8, 5, 2], dType = 's')
print ("Das Array ist =", arr)
print ("\ n der Datentyp des Arrays ist =", arr.DTYPE)

Die erste und wichtigste Sache ist, die Numpy -Bibliothek zu importieren, damit Sie jede Funktion der Numpy -Bibliothek verwenden können, ohne auf Fehler einzugehen. Ein Array von 7 Elementen wird mit Datentyp "S" definiert. Der Datentyp „S“ ist ein benutzerdefinierter Datentyp, der den erwarteten Datentyp im Array mitteilt.

Beispiel 5

Die Numpy DTypes können auch verwendet werden, um strukturierte Daten mit definierten Datentypen zu erstellen. In diesem Beispiel werden wir definieren, wie ein strukturierter Datentyp für ein NDarray -Objekt in Python erstellt wird. Der Referenzcode ist unten für Ihre Hilfe angegeben:

Numph als NPY importieren
n = npy.DTYPE ([('Fullname', 'S20'), ('Marks', 'F4'), ('Alter', 'I1')])
a = np.Array ([('kalsoom', 5, 20), ('Daniyal', 8, 18)], dType = n)
Druck (a)

Zuerst haben wir die Numpy -Bibliothek importiert und dann die Struktur für das NDarray -Objekt definiert. Der String "S20" -Datentyp ist für die Namen definiert, float datentyp "f4" für die erhalten. Danach haben wir die Daten für das NDarray angegeben und sie dann mit einer Print () -Anweisung gedruckt. Sie können die Ausgabe des folgenden Codes sehen:

Abschluss

Dieser Artikel war ein kurzer Überblick über die Numpy DTypes in einer Python -Programmiersprache. Wir haben erfahren, dass Numpy eine Open-Source-Bibliothek ist, die für die Python-Programmiersprache vorgesehen ist, und DTYPES ist eine Instanz der Numpy-Bibliothek. Die Numpy DTYPES liefern die Datentypen, die Größe und die Byte -Reihenfolge des angegebenen Objekts. Wir haben gelernt, wie man die Numpy DTypes in Python -Programmen mit Hilfe von Beispielen verwendet.