٪۴۰ تخفیف تابستانه شروع شد! بزرگترین حراج سال ما

به ما بپیوندید

آموزش انواع داده NumPy

انواع داده در پایتون به طور پیش فرض پایتون این نوع داده ها را دارد: strings– برای نشان دادن داده های متن استفاده می شود ، متن زیر علامت نقل قول داده می شود. به عنوان مثال “ABCD” integer– برای نشان…

محمد یوسفی

13 سپتامبر 2021

انواع داده در پایتون

به طور پیش فرض پایتون این نوع داده ها را دارد:

  • strings– برای نشان دادن داده های متن استفاده می شود ، متن زیر علامت نقل قول داده می شود. به عنوان مثال “ABCD”
  • integer– برای نشان دادن اعداد صحیح استفاده می شود. به عنوان مثال -1 ، -2 ، -3
  • float– برای نشان دادن اعداد واقعی استفاده می شود. به عنوان مثال 1.2 ، 42.42
  • boolean – برای نشان دادن درست یا غلط استفاده می شود.
  • complex– برای نشان دادن اعداد مختلط استفاده می شود. به عنوان مثال 1.0 + 2.0j ، 1.5 + 2.5j

انواع داده در NumPy

NumPy دارای چند نوع داده اضافی است و به انواع داده با یک کاراکتر اشاره می کند ، مانند iاعداد صحیح ، uبرای اعداد صحیح بدون علامت و غیره.

در زیر لیستی از انواع داده ها در NumPy و کاراکترهای مورد استفاده برای نمایش آنها آمده است.

  • i – عدد صحیح
  • b – بولین
  • u – عدد صحیح بدون علامت
  • f – شناور
  • c – شناور پیچیده
  • m – timedelta
  • M – زمان قرار
  • O – هدف – شی
  • S – رشته
  • U – رشته یونیکد
  • V – قطعه ثابت حافظه برای انواع دیگر (خالی)

بررسی نوع داده یک آرایه

شیء آرایه NumPy دارای یک ویژگی است dtype که نوع داده آرایه را برمی گرداند:

مثال

دریافت نوع داده یک شیء آرایه:

import numpy as np

arr = np.array([1, 2, 3, 4])

print(arr.dtype)

مثال

نوع داده یک آرایه حاوی رشته ها را بدست آورید:

import numpy as np

arr = np.array(['apple', 'banana', 'cherry'])

print(arr.dtype)

ایجاد آرایه با نوع داده تعریف شده

ما از array()تابع برای ایجاد آرایه استفاده می کنیم ، این تابع می تواند یک آرگومان اختیاری داشته باشد: dtype این به ما امکان می دهد نوع داده مورد انتظار از عناصر آرایه را تعریف کنیم:

مثال

ایجاد یک آرایه با رشته نوع داده:

import numpy as np

arr = np.array([1, 2, 3, 4], dtype='S')

print(arr)
print(arr.dtype)

برای i، u، f، Sو Uما می توانیم اندازه را نیز تعریف کنیم.

مثال

ایجاد یک آرایه با نوع داده 4 عدد صحیح:

import numpy as np

arr = np.array([1, 2, 3, 4], dtype='i4')

print(arr)
print(arr.dtype)

اگر نمی توان مقدار را تبدیل کرد چه می شود؟

اگر یک نوع داده شود که در آن عناصر قابل ارسال نباشند ، NumPy یک ValueError ایجاد می کند.

ValueError: در پایتون ValueError زمانی مطرح می شود که نوع آرگومان منتقل شده به یک تابع غیرمنتظره/نادرست باشد.

مثال

یک رشته غیر صحیح مانند ‘a’ را نمی توان به عدد صحیح تبدیل کرد (خطایی ایجاد می شود):

import numpy as np

arr = np.array(['a', '2', '3'], dtype='i')

تبدیل نوع داده در آرایه های موجود

بهترین روش برای تغییر نوع داده یک آرایه موجود ، ایجاد یک کپی از آرایه با astype()متد است.

این astype()تابع یک کپی از آرایه ایجاد می کند و به شما امکان می دهد نوع داده را به عنوان پارامتر مشخص کنید.

نوع داده ها می تواند با استفاده از یک رشته مشخص، مانند 'f'برای شناور، 'i'برای عدد صحیح و غیره و یا شما می توانید نوع داده به طور مستقیم مانند استفاده floatبرای شناور و intبرای عدد صحیح است.

مثال

با استفاده از 'i'مقدار پارامتر ، نوع داده را از float به integer تغییر دهید :

import numpy as np

arr = np.array([1.1, 2.1, 3.1])

newarr = arr.astype('i')

print(newarr)
print(newarr.dtype)

مثال

با استفاده از intمقدار پارامتر ، نوع داده را از float به integer تغییر دهید :

import numpy as np

arr = np.array([1.1, 2.1, 3.1])

newarr = arr.astype(int)

print(newarr)
print(newarr.dtype)

مثال

تغییر نوع داده از عدد صحیح به بولی:

import numpy as np

arr = np.array([1, 0, 3])

newarr = arr.astype(bool)

print(newarr)
print(newarr.dtype)

منبع

مطالب مرتبط

0 0 رای ها
امتیازدهی به مقاله
اشتراک در
اطلاع از
guest
0 نظرات
بازخورد (Feedback) های اینلاین
مشاهده همه دیدگاه ها