NumPy-ndarray 的數據類型用法說明

arr = np.array([1,2,3,4,5])
print(arr.dtype)
print(arr)
float_arr = arr.astype('float32')#也可以寫作 arr.astype(np.float32)
print(float_arr.dtype)
print(float_arr)

int_arr = np.arange(10)
calibers = np.array([.22, .270, .357], dtype=np.float64)
print(calibers)
arr_last = int_arr.astype(calibers.dtype)
print(arr_last.dtype)
print(arr_last)

# 測試當前Numpy中的narray中的屬性
# 使用的numpy的版本為：1.17.4
import numpy as np

default_array = [[1, 2, 3, 4, 5, 6],
                 [1, 2, 3, 4, 5, 6]]
np_array = np.array(default_array)
print("當前存儲後的數據的dtype類型為：{}".format(np_array.dtype))  # int32
print("查看這個對象的實際類型：{}".format(type(np_array)))  #
print("查看這個對象的形狀：{}".format(np_array.shape))  # （2，6）
print("當前這個對象的字節長度：{}".format(np_array.itemsize))  # 4
print("當前這個對象的長度(使用python的len方法)：{}".format(len(np_array)))  # 2 隻迭代瞭一組數據外層的二維數據
print("當前這個對象的長度(使用自己的size方法)：{}".format(np_array.size))  # 獲取瞭所有的數據的數量

print(np.array([[1, 2, 3], [1, 2, 3]]).dtype)
print(np.array([1.2, 2.2, 3.2]).dtype)

# 可以看出當前默認使用的類型為int32
# 默認使用的浮點類型為：float64

# 修改和設定當前的使用的初始化類型
# print(np.array([[1.1,1.2,1.3]],dtype="int32").dtype)
print(np.array([[1.1,1.2,1.3]],dtype=np.int32).dtype)

# 使用numpy中的生成的數組數據的方法
import numpy as np

# 生成1的操作
np_array = np.zeros([2, 2])
print("當前生成的數據為：{}".format(np_array))
print("輸出當前生成的數據的類型為：{}".format(np_array.dtype))

# 說明當前默認產生的數據數據的類型為float64
# 現在改變當前的dtype,直接將當前的dtype的數據類型設置為int32
np_array.dtype = np.int32
print("當前生成的數據為：{}".format(np_array))
print("輸出當前生成的數據的類型為：{}".format(np_array.dtype))

# 生成1的數據
np_array_ones = np.ones([2, 2], dtype=np.int32)
print(np_array_ones)

# 創建一個未初始化的數據，默認未初始化
x = np.empty([3, 2], dtype=int)
print(x)

# 從已有的數組中創建數據
import numpy as np

default_array = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
default_tuple = (1, 2, 3, 4, 5, 6, 7, 8, 9, 10)
print(type(default_tuple))
copy_array = np.asarray(default_array)  # 用於淺拷貝
copy_tuple = np.asarray(default_tuple)
print("asarray數組後的數據：{}".format(copy_array))
print("asarray元組後的數據：{}".format(copy_tuple))
deep_copy_array = np.copy(default_array)
print("copy數組後的數據：{}".format(deep_copy_array))

# 通過固定范圍生成數組,使用arange方式生成0 到 9之間的數據,默認生成的數據為當前的為范圍的值，這裡的步長默認就是1,結果中不包含10，這裡是按照指定的步長進行迭代
range_array = np.arange(0, 10, dtype=np.int32)
print("range_array:{}".format(range_array))

# 通過隨機方式生成數組
random_array = np.random.random((2, 2))
print("使用隨機方式生成數組：{}".format(random_array))  # 默認生成的數據為0到1之間的數據

# 2 生成隨機的整數
random_array_int = np.random.randint(1, 10, (2, 2))
print("生成隨機整數：{}".format(random_array_int))

# 在指定范圍中生成15 個 1到 10之間的數,這是一個隨機的數據，是等距離的，當要求的數據超過當前的范圍的數據的時候默認就會隨機生成一些數據
listspace_array = np.linspace(1, 10, 15, dtype=np.int32)  # 就是按照一定的等分進行劃分為指定個需要的數據，這裡的結果中包含10，相當於當前的等差數列一樣
print("listspace_array:{}".format(listspace_array))

# 生成一個等比的數列，這裡面的2 表示生成的樣本的個數為2 ,起始數據為1，結束數據為4,表示最小為3的1次方到當前的3的4次方
equal_ratio_array = np.logspace(1, 4, 2, dtype=np.int32)  # 這裡的默認的底數為10 表示當前最小為10的一次方，最大為當前的10的4次方
print("當前的等比數列的數據為：{}".format(equal_ratio_array))