Tutoriel Numpy - Type de données NumPy et conversion
Le type de données - dtype
dans NumPy est différent des types de données primitives dans Python, par exemple, dtype
a le type avec une résolution plus élevée qui est utile dans le calcul des données.
Type de données NumPy
Type de données | Description |
---|---|
bool |
Booléen |
int8 |
Entier signé 8 bits |
int16 |
Entier signé 16 bits |
int32 |
Entier signé 32 bits |
int64 |
Entier signé 64 bits |
uint8 |
Entier non signé 8 bits |
uint16 |
Entier non signé 16 bits |
uint32 |
Entier non signé 32 bits |
uint64 |
Entier non signé 64 bits |
float16 |
Nombre à virgule flottante 16 bits |
float32 |
Nombre à virgule flottante 32 bits |
float64 |
Nombre à virgule flottante 64 bits |
complex64 |
Nombre complexe 64 bits |
complex128 |
Nombre complexe de 128 bits |
Lors de la création d’une nouvelle donnée ndarray
, vous pouvez définir le type de données de l’élément par des constantes de type chaîne ou ou de données dans la bibliothèque NumPy
.
import numpy as np
# by string
test = np.array([4, 5, 6], dtype="int64")
# by data type constant in numpy
test = np.array([7, 8, 8], dtype=np.int64)
Conversion des types de données
Après la création de l’instance de données, vous pouvez changer le type de l’élément en un autre type avec la méthode astype()
, comme par exemple de entier à flottant et ainsi de suite.
>>> import numpy as np
>>> test = np.array([11, 12, 13, 14], dtype="int32")
>>> x = test.astype('float32')
>>> x
array([11., 12., 13., 14.], dtype=float32)
>>> test, test.dtype
(array([11, 12, 13, 14]), dtype('int32'))
Founder of DelftStack.com. Jinku has worked in the robotics and automotive industries for over 8 years. He sharpened his coding skills when he needed to do the automatic testing, data collection from remote servers and report creation from the endurance test. He is from an electrical/electronics engineering background but has expanded his interest to embedded electronics, embedded programming and front-/back-end programming.
LinkedIn Facebook