Python入门教程(四十三)Python的NumPy数据类型

简介

NumPy是Python科学计算的基础库之一，实现了N维数组对象和一系列的数组操作函数。使用NumPy可以进行向量化计算，从而更加高效地处理大规模数据。本篇教程将介绍NumPy的数据类型。

数据类型

NumPy与Python内置的数据类型不同，它提供了更多支持科学计算的数据类型。常用的数据类型如下所示：

• bool: 布尔类型，True或False
• int8、int16、int32、int64: 整数类型，分别占用1、2、4、8字节
• uint8、uint16、uint32、uint64: 无符号整数类型，分别占用1、2、4、8字节
• float16、float32、float64、float128: 浮点数类型，分别占用2、4、8、16字节
• complex64、complex128、complex256: 复数类型，分别占用8、16、32字节

创建NumPy数组

创建NumPy数组时可以指定数组的数据类型。例如，创建一个数据类型为float32的一维数组：

import numpy as np

a = np.array([1, 2, 3], dtype=np.float32)
print(a.dtype)

输出结果为：

float32

数据类型转换

NumPy数组也支持数据类型转换。例如，将int32类型的数组转换为float32类型的数组：

import numpy as np

a = np.array([1, 2, 3], dtype=np.int32)
b = a.astype(np.float32)
print(b.dtype)

输出结果为：

float32

示例说明

示例1：向量化计算

以下示例展示了使用NumPy进行向量化计算的效果。这里我们将两个长度为1000的向量进行加法运算。

使用Python内置的列表：

import time

a = [i for i in range(1000)]
b = [i for i in range(1000)]

start = time.time()
c = [a[i] + b[i] for i in range(1000)]
end = time.time()
print("time:", end - start)

输出结果为：

time: 0.00025916099548339844

使用NumPy向量化计算：

import time
import numpy as np

a = np.array([i for i in range(1000)])
b = np.array([i for i in range(1000)])

start = time.time()
c = a + b
end = time.time()
print("time:", end - start)

输出结果为：

time: 6.365776062011719e-05

可以看到，使用NumPy进行向量化计算比使用Python内置的列表高效得多。

示例2：特定的数据类型

以下示例展示了如何创建特定的数据类型的数组。

创建一个数据类型为complex64的一维数组：

import numpy as np

a = np.array([1+2j, 2+3j, 3+4j], dtype=np.complex64)
print(a)

输出结果为：

[1.+2.j 2.+3.j 3.+4.j]