python的基本数据类型,Python基本数据类型
本文为您带来了一些关于Python的知识,包括numpy的基本数据类型、numpy的自定义复合数据类型以及使用ndarray保存日期数据类型。来看看吧,希望对你有帮助。
【相关推荐:Python3视频教程】
00-1010类型名称类型表达式布尔bool有符号整数类型int8/int16/int32/int64无符号整数类型uint8/uint16/uint32/uint64浮点类型float16/float32/float64复杂类型complex64/complex128字符类型str,每个字符用32位Unicode编码表示import numpy为np。
arr=np.array([1,2,3])
打印(arr,arr.dtype)
arr=arr.astype(int64 )
打印(arr,arr.dtype)
arr=arr.astype(float32 )
打印(arr,arr.dtype)
arr=arr.astype(bool )
打印(arr,arr.dtype)
arr=arr.astype(str )
打印(arr,arr.dtype)
00-1010如果想在ndaray中存储对象类型,numpy建议使用元组存储对象的属性字段值,然后在ndaray中添加元组,这样就提供了方便处理这些数据的语法。
将numpy作为np导入
数据=[
( zs ,[99,98,90],17),
( ls ,[95,95,92],16),
( ww ,[97,92,91],18)
]
#名称2个字符
int32类型的# 3等级
int32类型的第一年龄
arr=np.array(data,dtype=2str,3int32,int32 )
打印(排列)
打印(数组类型)
#可通过索引访问
print(数组[0],数组[0][2])
当数据量较大时,采用上述方法访问数据很不方便。
Ndarray提供了别名,可以以字典或列表.的形式定义数组元素的数据类型和列,在访问数据时,可以通过下标索引或者列名来访问。
将numpy作为np导入
数据=[
( zs ,[99,98,90],17),
( ls ,[95,95,92],16),
( ww ,[97,92,91],18)]#通过字典arr=np.array(data,dtype={
#设置每列的别名
姓名 : [姓名,分数,年龄],
#设置每列数据元素的数据类型
Formats 3360 [2str , 3int32 , int32]}) print (arr,arr [0] [age]) #使用list定义列名和元素的数据类型arr=np.array(data,dtype=[
#第一列
(名称,字符串,2),
#第二列
( scores , int32 ,3),
#第三列
( age , int32 ,1)]print(arr,arr[1][
9;scores'])# 直接访问数组的一列print(arr['scores'])
3. 使用 ndarray 保存日期数据类型
import numpy as npdates = [
'2011',
'2011-02',
'2011-02-03',
'2011-04-01 10:10:10'
]
ndates = np.array(dates)
print(ndates, ndates.dtype)
# 数据类型为日期类型,采用 64 位二进制进行存储,D 表示日期精确到天
ndates = ndates.astype('datetime64[D]')
print(ndates, ndates.dtype)
# 日期运算
print(ndates[-1] - ndates[0])
1.日期字符串支持不支持2011/11/11
,使用空格进行分隔日期也不支持2011 11 11
,支持2011-11-11
2.日期与时间之间需要有空格进行分隔2011-04-01 10:10:10
3.时间的书写格式10:10:10
4. 类型字符码(数据类型简写)
numpy 提供了类型字符码可以更加方便的处理数据类型。 类型 类型表示符 字符码
import numpy as npdata = [
('zs', [99, 98, 90], 17),
('ls', [95, 95, 92], 16),
('ww', [97, 92, 91], 18)
]
# 采用字典定义列名和元素的数据类型
arr = np.array(data, dtype={
# 设置每列的别名
'names': ['name', 'scores', 'age'],
# 设置每列数据元素的数据类型
'formats': ['2U', '3i4', 'i4']
})
print(arr)
print(arr[1]['scores'])
print(arr['scores'])
print(arr.dtype)
5. 案例
选取字段,使用 ndarray 存储数据。
import numpy as npdatas = [
(0, '4室1厅', 298.79, 2598, 86951),
(1, '3室2厅', 154.62, 1000, 64675),
(2, '3室2厅', 177.36, 1200, 67659),]arr = np.array(datas, dtype={
'names': ['index', 'housetype', 'square', 'totalPrice', 'unitPrice'],
'formats': ['u1', '4U', 'f4', 'i4', 'i4']})print(arr)print(arr.dtype)# 计算 totalPrice 的均值sum_totalPrice = sum(arr['totalPrice'])print(sum_totalPrice/3)
【相关推荐:Python3视频教程 】以上就是Python数据类型简介之numpy的详细内容,更多请关注盛行IT软件开发工作室其它相关文章!
郑重声明:本文由网友发布,不代表盛行IT的观点,版权归原作者所有,仅为传播更多信息之目的,如有侵权请联系,我们将第一时间修改或删除,多谢。