Python數據類型之numpy使用實例分析

這篇文章主要介紹“Python數據類型之numpy使用實例分析”的相關知識，小編通過實際案例向大家展示操作過程，操作方法簡單快捷，實用性強，希望這篇“Python數據類型之numpy使用實例分析”文章能幫助大家解決問題。

1. numpy 的基本數據類型

import numpy as np

arr = np.array([1, 2, 3])
print(arr, arr.dtype)

arr = arr.astype('int64')
print(arr, arr.dtype)

arr = arr.astype('float32')
print(arr, arr.dtype)

arr = arr.astype('bool')
print(arr, arr.dtype)

arr = arr.astype('str')
print(arr, arr.dtype)

2. numpy 自定義復合數據類型

如果希望 ndarray 中存儲對象類型，numpy 建議使用元組存儲對象的屬性字段值，然后把元組添加到 ndarray 中，ndarray 提供了語法方便處理這些數據。

import numpy as np

data = [
    ('zs', [99, 98, 90], 17),
    ('ls', [95, 95, 92], 16),
    ('ww', [97, 92, 91], 18)
]
# 姓名 2 個字符
# 3 個 int32 類型的成績
# 1 個 int32 類型的年齡
arr = np.array(data, dtype='2str, 3int32, int32')
print(arr)
print(arr.dtype)
# 可以通過索引訪問
print(arr[0], arr[0][2])

當數據量大時，采用上述方法不便于數據的訪問。

ndarray 提供可以采用字典或列表的形式定義數組元素的數據類型和列的別名。訪問數據時，可以通過下標索引訪問，也可以通過列名進行數據訪問。

import numpy as np

data = [
    ('zs', [99, 98, 90], 17),
    ('ls', [95, 95, 92], 16),
    ('ww', [97, 92, 91], 18)]# 采用字典定義列名和元素的數據類型arr = np.array(data, dtype={
    # 設置每列的別名
    'names': ['name', 'scores', 'age'],
    # 設置每列數據元素的數據類型
    'formats': ['2str', '3int32', 'int32']})print(arr, arr[0]['age'])# 采用列表定義列名和元素的數據類型arr = np.array(data, dtype=[
    # 第一列
    ('name', 'str', 2),
    # 第二列
    ('scores', 'int32', 3),
    # 第三列
    ('age', 'int32', 1)])print(arr, arr[1]['scores'])# 直接訪問數組的一列print(arr['scores'])

3. 使用 ndarray 保存日期數據類型

import numpy as np

dates = [
    '2011',
    '2011-02',
    '2011-02-03',
    '2011-04-01 10:10:10'
]

ndates = np.array(dates)
print(ndates, ndates.dtype)

# 數據類型為日期類型，采用 64 位二進制進行存儲，D 表示日期精確到天
ndates = ndates.astype('datetime64[D]')
print(ndates, ndates.dtype)

# 日期運算
print(ndates[-1] - ndates[0])

1.日期字符串支持不支持 2011/11/11，使用空格進行分隔日期也不支持 2011 11 11，支持 2011-11-11
2.日期與時間之間需要有空格進行分隔 2011-04-01 10:10:10
3.時間的書寫格式 10:10:10

4. 類型字符碼(數據類型簡寫)

numpy 提供了類型字符碼可以更加方便的處理數據類型。

import numpy as np

data = [
    ('zs', [99, 98, 90], 17),
    ('ls', [95, 95, 92], 16),
    ('ww', [97, 92, 91], 18)
]
# 采用字典定義列名和元素的數據類型
arr = np.array(data, dtype={
    # 設置每列的別名
    'names': ['name', 'scores', 'age'],
    # 設置每列數據元素的數據類型
    'formats': ['2U', '3i4', 'i4']
})

print(arr)
print(arr[1]['scores'])
print(arr['scores'])
print(arr.dtype)

5. 案例

選取字段，使用 ndarray 存儲數據。

import numpy as np

datas = [
    (0, '4室1廳', 298.79, 2598, 86951),
    (1, '3室2廳', 154.62, 1000, 64675),
    (2, '3室2廳', 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)# 計算 totalPrice 的均值sum_totalPrice = sum(arr['totalPrice'])print(sum_totalPrice/3)

關于“Python數據類型之numpy使用實例分析”的內容就介紹到這里了，感謝大家的閱讀。如果想了解更多行業相關的知識，可以關注億速云行業資訊頻道，小編每天都會為大家更新不同的知識點。