Python numpy.find_common_type()函数

下面是Python numpy.find_common_type()函数的完整攻略。

函数介绍

numpy.find_common_type()函数用于确定多个数组中公共的数据类型。

函数签名如下：

numpy.find_common_type(types, reference=None)

参数解释：

• types：要比较的数据类型序列，可以是列表、元组或numpy.ndarray。
• reference：参考数据类型，可选参数，可以使任何numpy数据类型，如果指定了reference参数，则find_common_type会尝试找到最大公共类型，该类型比reference大，并且可表示在types中找到的任何数据类型。

返回值：找到的公共数据类型。

函数示例

示例1

我们先看一个简单的示例，比较两个numpy数组的数据类型，并找到它们的公共类型：

import numpy as np

dt = np.dtype([('name', np.unicode_, 16), ('grades', np.float64, (2,))])
a = np.array([(b'joe', [4, 7]), (b'bill', [6, 7])], dtype=dt)
b = np.array([(b'sue', [80, 85]), (b'sara', [8, 9])], dtype=dt)

common_dtype = np.find_common_type([a.dtype, b.dtype], [])
print(common_dtype)

输出结果为：

[('name', '<U16'), ('grades', '<f8', (2,))]

示例2

下面我们再看一个更复杂的示例，用find_common_type()函数来解析一个csv文件的数据类型：

import numpy as np
import csv

# 读取CSV文件获取数据类型
csvfile = open('data.csv', 'r')
csvreader = csv.reader(csvfile)

# 从文件中获取数据类型
header = next(csvreader)
dt = []
for h in header:
    dt.append((h, np.float))

# 读取CSV文件获取数据
data = np.genfromtxt('data.csv', delimiter=',', names=True, dtype=dt)

# 获取数据类型
common_dtype = np.find_common_type(data.dtype, [])
print(common_dtype)

在这个示例中，我们首先读取了一个csv文件并获取了其中的数据类型。然后将这些数据存储到一个numpy结构化数组中，并调用find_common_type()函数获取了这个数组的公共类型。

另外，需要注意的是，在这个示例中我们使用了numpy中的genfromtxt()函数来读取csv文件。该函数可以直接将csv文件解析成为numpy结构化数组。