NumPy-データ型

NumPyは、Pythonよりもはるかに多様な数値型をサポートしています。次の表は、NumPyで定義されているさまざまなスカラーデータ型を示しています。

Sr.No.	Data Types & Description
1	bool_ バイトとして保存されるブール値（TrueまたはFalse）
2	int_ デフォルトの整数型（C longと同じ。通常はint64またはint32）
3	intc C intと同じ（通常はint32またはint64）
4	intp インデックスに使用される整数（C ssize_tと同じ。通常はint32またはint64）
5	int8 バイト（-128から127）
6	int16 整数（-32768から32767）
7	int32 整数（-2147483648から2147483647）
8	int64 整数（-9223372036854775808から9223372036854775807）
9	uint8 符号なし整数（0〜255）
10	uint16 符号なし整数（0〜65535）
11	uint32 符号なし整数（0〜4294967295）
12	uint64 符号なし整数（0から18446744073709551615）
13	float_ float64の省略形
14	float16 半精度浮動小数点数：符号ビット、5ビットの指数、10ビットの仮数
15	float32 単精度浮動小数点数：符号ビット、8ビット指数、23ビット仮数
16	float64 倍精度浮動小数点数：符号ビット、11ビットの指数、52ビットの仮数
17	complex_ complex128の省略形
18	complex64 2つの32ビット浮動小数点数で表される複素数（実数部と虚数部）
19	complex128 2つの64ビットフロート（実数部と虚数部）で表される複素数

NumPy数値型は、dtype（データ型）オブジェクトのインスタンスであり、それぞれに固有の特性があります。 dtypesはnp.bool_、np.float32などとして利用可能です。

データ型オブジェクト（dtype）

データ型オブジェクトは、次の側面に応じて、配列に対応するメモリの固定ブロックの解釈を説明します-

データのタイプ（整数、フロート、またはPythonオブジェクト）
データのサイズ
バイト順（リトルエンディアンまたはビッグエンディアン）
構造化タイプの場合、フィールドの名前、各フィールドのデータタイプ、および各フィールドが使用するメモリブロックの一部。
データ型がサブ配列の場合、その形状とデータ型

バイト順は、データ型の前に「<」または「>」を付けることで決定されます。「<」は、エンコードがリトルエンディアンであることを意味します（最下位アドレスは最小アドレスに格納されます）。 '>'は、エンコードがビッグエンディアンであることを意味します（最上位バイトは最小アドレスに格納されます）。

dtypeオブジェクトは、次の構文を使用して構築されます-

numpy.dtype(object, align, copy)

パラメータは次のとおりです-

Object -データ型オブジェクトに変換されます
Align -trueの場合、フィールドにパディングを追加してC構造体に似たものにします
コピー-dtypeオブジェクトの新しいコピーを作成します。 falseの場合、結果は組み込みデータ型オブジェクトへの参照です

例1

# using array-scalar type
import numpy as np
dt = np.dtype(np.int32)
print dt

出力は次のとおりです-

int32

例2

#int8, int16, int32, int64 can be replaced by equivalent string 'i1', 'i2','i4', etc.
import numpy as np

dt = np.dtype('i4')
print dt

出力は次のとおりです-

int32

実施例３

# using endian notation
import numpy as np
dt = np.dtype('>i4')
print dt

出力は次のとおりです-

>i4

次の例は、構造化データ型の使用を示しています。ここでは、フィールド名と対応するスカラーデータ型が宣言されます。

実施例４

# first create structured data type
import numpy as np
dt = np.dtype([('age',np.int8)])
print dt

出力は次のとおりです-

[('age', 'i1')]

実施例５

# now apply it to ndarray object
import numpy as np

dt = np.dtype([('age',np.int8)])
a = np.array([(10,),(20,),(30,)], dtype = dt)
print a

出力は次のとおりです-

[(10,) (20,) (30,)]

実施例６

# file name can be used to access content of age column
import numpy as np

dt = np.dtype([('age',np.int8)])
a = np.array([(10,),(20,),(30,)], dtype = dt)
print a['age']

出力は次のとおりです-

[10 20 30]

実施例７

次の例では、文字列フィールド「名前」、「整数フィールド」「年齢」、および「浮動フィールド」「マーク」を使用して、「学生」と呼ばれる構造化データ型を定義します。このdtypeはndarrayオブジェクトに適用されます。

import numpy as np
student = np.dtype([('name','S20'), ('age', 'i1'), ('marks', 'f4')])
print student

出力は次のとおりです-

[('name', 'S20'), ('age', 'i1'), ('marks', '<f4')])

例8

import numpy as np

student = np.dtype([('name','S20'), ('age', 'i1'), ('marks', 'f4')])
a = np.array([('abc', 21, 50),('xyz', 18, 75)], dtype = student)
print a

出力は次のとおりです-

[('abc', 21, 50.0), ('xyz', 18, 75.0)]

各組み込みデータ型には、一意に識別する文字コードがあります。

'b' -ブール
'i' -（符号付き）整数
'u' -符号なし整数
'f' -浮動小数点
'c' -複素浮動小数点
'm' -タイムデルタ
'M' -日時
'O' -（Python）オブジェクト
'S'、 'a' -（バイト）文字列
'U' -Unicode
'V' -生データ（void）

Numpy-data-types

目次

NumPy-データ型

データ型オブジェクト（dtype）

例1

例2

実施例３

実施例４

実施例５

実施例６

実施例７

例8