Numpy Dtypes

Python é uma das linguagens de programação mais bem classificadas e usadas em todo o mundo. Novice, assim como desenvolvedores especializados, preferem trabalhar na linguagem de programação Python em relação a qualquer outra linguagem de alto nível. Não é apenas fácil de codificar, mas também é fácil aprender. As bibliotecas embutidas da linguagem de programação Python tornaram simples e fácil de usar. Você pode aprender mais sobre a biblioteca Numpy e seu método dtype a partir deste post. Com a ajuda de exemplos, explicaremos o que são os dtypes numpy e como eles são úteis para você em programas Python.

O que é Numpy na linguagem de programação Python?

Python define Numpy como uma biblioteca embutida. É empregado para operar em matrizes. Numpy significa Python numérico e é uma biblioteca de código aberto fornecido pela linguagem de programação Python para lidar com qualquer exemplo prático de engenharia ou ciência. Todas as funções que você precisa para trabalhar em matrizes, matemática e álgebra linear, você entrará na biblioteca Numpy. Além disso, traz o poder computacional da maioria das linguagens de alto nível, como fortran ou c para a linguagem de programação Python.

O que são numpy dtypes?

A Biblioteca Numpy de Python fornece uma variedade de tipos de dados numéricos. O Dtypes é um exemplo da biblioteca Numpy que descreve como um byte de dados é representado na memória. É um objeto de tipo de dados com características únicas que interpretam como um bloco fixo de memória está associado a uma matriz. A correspondência da matriz com o bloco de memória depende da ordem de bytes, tamanho de dados, tipo de dados, nome de campo, etc.

Sintaxe de dtypes numpy

Usar dtypes numpy em seus programas é muito fácil. Tudo o que você precisa fazer é lembrar a sintaxe básica, que é a seguinte:

Aqui, "n" representa a biblioteca Numpy que deve ser importada para o programa para usar a função dtypes. O valor de entrada é representado pelo "DataObject". Este valor será alterado para um objeto do tipo de dados. O "alinhamento" representa se o preenchimento precisa ser feito no campo, para que se torne semelhante ao C-Struct. E, finalmente, o parâmetro "cópia" representa se uma cópia do objeto dtype precisa ser feita ou não.

Exemplo 1

Começaremos com um exemplo básico de dtypes numpy para que você não fique confuso. Aqui vamos definir o funcionamento básico da função Numpy Dtypes. Então, vamos escrever algumas linhas de código para implementar os numpy dtypes. O código é fornecido abaixo para sua referência:

importar numpy como NPY
n = npy.dtype ('> i4')
print ("A ordem de byte de n é =", n.byteorder)
print ("O tamanho de n é =", n.itens mize)
print ("O tipo de dados de n é =", n.nome)

O programa começa com "Importar Numpy como NPY"; Esta linha importa a biblioteca Numpy no programa representado pela variável NPY. Depois disso, temos “n = npy.dtypes ("> i4") ", n é uma variável que mantém o valor resultante da função dtypes () e"> i4 "representa o número inteiro do tamanho 4 byte em pedidos de byte big-endian. O sinal “>” e “<” represent big-endian and little-endian encoding, respectively. Three print() statements are used to get the byteorder, itemsize, and name of the NumPy dtypes object. Let us see the screenshot below to check what we get from the NumPy dtypes:

Como você vê na saída fornecida acima, a ordem de bytes é ">", pois usamos a ordem de bytes ">" de big-endian. O tamanho do objeto é 4 e o tipo de dados é "Int32", pois definimos o tamanho do byte e o tipo "i4", que é um número inteiro de bytes de tamanho 4.

Exemplo 2

Agora vamos verificar o tipo de dados de uma matriz. Anteriormente, vimos como o tipo Numpy fornece o tipo de dados, sinistro e tamanho do objeto. Então, vamos fornecer uma matriz aos dtypes numpy e obter essas instâncias dessa matriz. O código de referência é fornecido abaixo para o seu entendimento:

importar numpy como np
arr = np.Array ([5, 4, 6, 8, 8, 5, 2])
print ("O tipo de matriz de dados é =", arr.dtype)

Novamente, importamos a biblioteca Numpy para o programa para que pudéssemos usar a função dtypes. Depois disso, declaramos uma matriz contendo 7 itens do tipo inteiro. Usando a declaração de impressão, exibiremos o resultado dos dtypes. Veja a saída fornecida abaixo:

Como sabemos, os dados da matriz eram do tipo inteiro; Os dtypes retornaram o resultado correto como Int64.

Exemplo 3

Vamos testar os dtypes com uma matriz de string. Neste exemplo, forneceremos os dados do tipo string e usaremos a função dtypes para verificar o tipo de dados da matriz. O código de referência é fornecido abaixo para sua orientação:

importar numpy como np
arr = np.Array (['Kindle', 'Genner', 'Specer'])
print ("O tipo de matriz de dados é =", arr.dtype)

Aqui, fornecemos as cordas para a matriz, para que a saída deve descrever o tipo de dados da string. Veja a saída abaixo:

Exemplo 4

Até agora, apenas verificamos o tipo de dados do objeto usando a função Numpy Dtypes. O tipo Numpy também é usado para criar um objeto com o tipo de dados definido.

importar numpy como np
arr = np.Array ([5, 4, 6, 8, 8, 5, 2], dtype = 's')
print ("A matriz é =", arr)
print ("\ nA tipo de matriz de dados é =", arr.dtype)

A primeira e principal coisa é importar a biblioteca Numpy para que você possa usar qualquer função da biblioteca Numpy sem entrar em erros. Uma matriz de 7 itens é definida com o tipo de dados "s". O tipo de dados “s” é um tipo de dados definido pelo usuário que informa o tipo esperado de dados na matriz.

Exemplo 5

Os dtypes numpy também podem ser usados ​​para criar dados estruturados com tipos de dados definidos. Neste exemplo, definiremos como criar um tipo de dados estruturado para um objeto NDARRAY no Python. O código de referência é fornecido abaixo para sua ajuda:

importar numpy como NPY
n = npy.dtype ([('FullName', 'S20'), ('Marks', 'F4'), ('Age', 'i1')])
a = np.Array ([('Kalsoom', 5, 20), ('Daniyal', 8, 18)], dtype = n)
Imprimir (a)

Primeiro, importamos a biblioteca Numpy e depois definimos a estrutura para o objeto NDARRAY. A string “S20” Tipo de dados é definida para os nomes, o tipo de dados float “F4” é definido para as marcas obtidas e, finalmente, o tipo de dados inteiro “i1” é definido para a idade. Depois disso, fornecemos os dados para o NDARRAY e depois o imprimimos com uma instrução print (). Você pode ver a saída do código abaixo:

Conclusão

Este artigo foi uma visão geral rápida dos dtypes numpy em uma linguagem de programação Python. Aprendemos que Numpy é uma biblioteca de código aberto fornecido para a linguagem de programação Python e o dtypes é uma instância da biblioteca Numpy. Os dtypes numpy fornecem os tipos de dados, tamanho e ordem de byte do objeto dado. Aprendemos a usar os dtypes Numpy em programas Python com a ajuda de exemplos.