Dtypes numpy

Python è uno dei linguaggi di programmazione più classificati e più usati in tutto il mondo. Pr. Non è solo facile da programmare ma anche facile da imparare. Le librerie integrate del linguaggio di programmazione Python lo hanno reso semplice e facile da usare. Potresti saperne di più sulla biblioteca numpy e sul suo metodo dType da questo post. Con l'aiuto di esempi, spiegheremo cosa sono i dtype numpy e come sono utili per te nei programmi Python.

Cosa è numpy nel linguaggio di programmazione Python?

Python definisce Numpy come una libreria integrata. È impiegato per operare su array. Numpy sta per Python numerico ed è una biblioteca open source fornita dal linguaggio di programmazione Python per gestire eventuali esempi pratici ingegneristici o scientifici. Tutte le funzioni che devi lavorare in matrici, matematica e algebra lineare, entrerai nella biblioteca Numpy. Inoltre, porta il potere computazionale della maggior parte dei linguaggi di alto livello come Fortran o C al linguaggio di programmazione Python.

Cosa sono i dtypes numpy?

La Numpy Library of Python fornisce una varietà di tipi di dati numerici. Il dtypes è un esempio della libreria numpy che descrive come un byte di dati è rappresentato nella memoria. È un oggetto Tipo di dati con caratteristiche uniche che interpretano come un blocco fisso di memoria è associato a un array. La corrispondenza dell'array con il blocco di memoria dipende dall'ordine del byte, dalla dimensione dei dati, dal tipo di dati, dal nome del campo, ecc.

Sintassi di dtypes numpy

L'uso di dtypes numpy nei tuoi programmi è molto semplice. Tutto quello che devi fare è ricordare la sintassi di base, che è la seguente:

Qui, "N" rappresenta la libreria numpy che deve essere importata nel programma per utilizzare la funzione dtypes. Il valore di input è rappresentato dal "dataObject". Questo valore verrà modificato in un oggetto del tipo di dati. L '"allineamento" rappresenta se l'imbottitura deve essere fatta sul campo in modo che diventi simile alla struttura c. E infine, il parametro "copia" rappresenta se è necessario realizzare o meno una copia dell'oggetto DTYPE.

Esempio 1

Inizieremo con un esempio di base di dtypes numpy in modo da non confondere. Qui definiremo il funzionamento di base della funzione Numpy Dtypes. Quindi scriviamo alcune righe di codice per implementare i dtypes numpy. Il codice è riportato di seguito per il tuo riferimento:

importa numpy come npy
n = npy.dType ('> i4')
stampa ("L'ordine del byte di n is =", n.byteorder)
stampa ("la dimensione di n is =", n.iSectingEze)
Stampa ("Il tipo di dati di n is =", n.nome)

Il programma inizia con "import numpy come npy"; Questa linea importa la libreria numpy nel programma rappresentato dalla variabile NPY. Dopodiché abbiamo “n = npy.dTypes ("> i4") ", n è una variabile che contiene il valore risultante dalla funzione dtypes () e"> i4 "rappresenta l'intero byte di dimensioni 4 nell'ordinamento di byte di grandi dimensioni. Il segno ">" e "<” 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:

Come vedi nell'output sopra indicato, l'ordine del byte è ">" poiché abbiamo usato l'ordinamento ">" big-endian. La dimensione dell'oggetto è 4 e il tipo di dati è "int32" poiché abbiamo definito la dimensione del byte e il tipo "i4", che è un numero intero di Byte di dimensioni 4.

Esempio 2

Ora controlliamo il tipo di dati di un array. In precedenza abbiamo visto come il tipo numpy fornisce il tipo di dati, byteorder e dimensioni dell'oggetto. Quindi forniamo un array ai numpy dtypes e otteniamo questi casi di quel array. Il codice di riferimento è riportato di seguito per la tua comprensione:

Importa Numpy come NP
arr = np.Array ([5, 4, 6, 8, 8, 5, 2])
print ("Il tipo di dati di array è =", arr.dtype)

Ancora una volta, abbiamo importato la libreria Numpy nel programma in modo da poter usare la funzione DTypes. Successivamente, abbiamo dichiarato un array contenente 7 elementi di tipo intero. Utilizzando l'istruzione di stampa, visualizzeremo il risultato dei dtypes. Vedi l'output indicato di seguito:

Come sappiamo, i dati nell'array erano di tipo intero; I dtypes hanno restituito il risultato corretto come int64.

Esempio 3

Proviamo i dtypes con un array di stringhe. In questo esempio, forniremo i dati del tipo di stringa e utilizzeremo la funzione dTypes per verificare il tipo di dati dell'array. Il codice di riferimento è riportato di seguito per la tua guida:

Importa Numpy come NP
arr = np.Array (['Kindle', 'Genner', 'Specer'])
print ("Il tipo di dati di array è =", arr.dtype)

Qui, abbiamo fornito le stringhe all'array, quindi l'output dovrebbe descrivere il tipo di dati stringa. Vedi l'output di seguito:

Esempio 4

Finora abbiamo controllato il tipo di dati dell'oggetto utilizzando la funzione Numpy Dtypes. Il tipo numpy viene anche utilizzato per creare un oggetto con il tipo di dati definito.

Importa Numpy come NP
arr = np.Array ([5, 4, 6, 8, 8, 5, 2], dtype = 's')
print ("L'array è =", arr)
print ("\ nThe Data Type of Array is =", arr.dtype)

La prima cosa più importante è importare la libreria numpy in modo da poter usare qualsiasi funzione della libreria numpy senza entrare in alcun errore. Un array di 7 elementi è definito con il tipo di dati "S". Il tipo di dati "S" è un tipo di dati definito dall'utente che indica il tipo di dati previsto nell'array.

Esempio 5

I dtypes numpy possono anche essere utilizzati per creare dati strutturati con tipi di dati definiti. In questo esempio, definiremo come creare un tipo di dati strutturato per un oggetto ndarray in Python. Il codice di riferimento è riportato di seguito per il tuo aiuto:

importa numpy come npy
n = npy.dType ([('fullname', 's20'), ('marks', 'f4'), ('età', 'i1')])
a = np.Array ([('Kalsoom', 5, 20), ('Daniyal', 8, 18)], dType = n)
Stampa (a)

Innanzitutto, abbiamo importato la libreria numpy e poi abbiamo definito la struttura per l'oggetto NdArray. Il tipo di dati String "S20" è definito per i nomi, il tipo di dati float "F4" è definito per i marchi ottenuti e, infine, il tipo di dati interi "i1" è definito per l'età. Successivamente, abbiamo fornito i dati per NdArray e poi abbiamo stampato con un'istruzione print (). Puoi vedere l'output del codice qui sotto:

Conclusione

Questo articolo è stata una rapida panoramica dei dtypes numpy in un linguaggio di programmazione Python. Abbiamo appreso che Numpy è una biblioteca open source fornita per il linguaggio di programmazione Python e i dtipes è un'istanza della biblioteca Numpy. I dtypes numpy forniscono i tipi di dati, le dimensioni e l'ordine del byte dell'oggetto dato. Abbiamo imparato a usare i dtypes numpy nei programmi Python con l'aiuto di esempi.