标签：常用 dtype arr 数值 np print array id
我也不知道大家为什么都这样导入
# 一个人这样使用也罢了，几乎所有人都这样，我也跟随吧
import numpy as np arr = np.array([1, 2, 3, 4]) # 创建 print(arr) # [1 2 3 4] print(type(arr)) # <class 'numpy.ndarray'> print(arr.dtype) # int32,跟随系统，有的机器是int64 # 其它创建方式 arr2 = np.array(range(1, 10, 2)) # 创建 [1 3 5 7 9] arr3 = np.arange(1, 10, 2) # 创建 [1 3 5 7 9] ,np自带函数：arange()，效果与上相同 arr4 = np.array(range(10), dtype="uint8") # 创建 无符号8位数
数据类型(dtype)
int8,int16,int32,int64(对应无符号uint8,uint16,uint32,uint64),bool,float16(32,64)
改变数据类型
"""
1. astpye改变
astpye()函数改变后，会返回一个新的地址，不改变原来的
"""
arr = np.array([1, 2, 3, 4], dtype="int64") # 创建 64位类型
arr2 = arr.astype("int16") # astpye()，改为16位，并返回一个新的数组
print(arr.dtype) # int64
print(arr2.dtype) # int16
# 顺便看一下它们的地址,它们会占用新的内存地址，
print(id(arr)) # 1217452886416
print(id(arr2)) # 1217453015088
方法1：astype()
arr = np.array([1, 2, 3, 4], dtype="int64") # 创建 64位类型
print(id(arr)) # 2416301033872
"""
我想改变为16位，此64位不再使用，
可不可以直接赋值，为节约内存呢？
我们测试一下
"""
arr = arr.astype("int16") # 直接赋值给原来的arr,看地址会不会变？
print(id(arr)) # 2416301162544
"""
它们的地址是不同的，说明指针变化了
我的机器是：虽然2个不同的指针，但数据都指向同一数据，内存没有浪费。
但有的机器或系统就不一样了，会产生新的数据，可能过一会python 才会自动销毁它，甚至一直存在，造成内存浪费。
大家可百度了解一下：python interning 机制
"""
方法2：赋值法
arr = np.array([1, 2, 3, 4], dtype="int64") # 创建 64位类型 print(id(arr)) # 1751221848464 arr.dtype = "int8" # 对arr直接赋值新的数据类型 print(id(arr)) # 1751221848464 """ 地址不会改变，并修改了数据类型 """
建议使用第二种吧。就像字符串的连接，尽量使用format，而不是“+”或join()
数组形状(shape)
也叫做维度
s1 = np.array([1,1,1]) print(s1.shape) # (3,)
数组的维度，shape(a,b,c,d.....)，a为最外层，b进一层，c再进一层，一直到最后才是里面的
维度必须对称,例如：
[ [1,1], [1,1], [1,1] ] ------shape(3,2)，数组内有3组，每次2个数字。
[ [1,1], [1,1], [1] ] ------这个定义可以吗？当然不可以，执行时会报错
因为它的意思是：数组含有3组，每组2个数字，而最后一个只有1个数字了，解释不通。
从流中，创建动态数组
np.frombuffer(buffer, dtype = float, count = -1, offset = 0)
Python3 默认 str 是 Unicode 类型，所以要转成 bytestring 在原 str 前加上 b。
参数 描述
buffer 可以是任意对象，会以流的形式读入。
dtype 返回数组的数据类型，可选
count 读取的数据数量，默认为-1，读取所有数据。
offset 读取的起始位置，默认为0。
ss = b"I lovo china" arr = np.frombuffer(ss, dtype="S1") print(arr) # [b'I' b' ' b'l' b'o' b'v' b'o' b' ' b'c' b'h' b'i' b'n' b'a'] arr2 = np.frombuffer(ss, dtype="S3") print(arr2) # [b'I l' b'ovo' b' ch' b'ina']
# 注意，如果不能平均分成3份时，会报错
标签：常用,dtype,arr,数值,np,print,array,id 来源： https://www.cnblogs.com/chihuo/p/15838006.html
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。