Скаляры

Python определяет только один тип для каждого класса данных (существует только один целочисленный тип, один тип с плавающей точкой и т.д.). Это может быть удобно в приложениях, которым не нужно учитывать все способы представления данных в компьютере. Однако для научных вычислений часто требуется больший контроль.

В NumPy есть 24 новых фундаментальных типа Python для описания различных типов скаляров. Эти дескрипторы типов в основном основаны на типах, доступных в языке C, на котором написан CPython, с несколькими дополнительными типами, совместимыми с типами Python.

Скаляры массивов имеют те же атрибуты и методы, что и ndarrays. [1] Это позволяет обрабатывать элементы массива частично на том же уровне, что и массивы, сглаживая неровности, возникающие при смешивании скалярных и массивных операций.

Скаляры массивов находятся в иерархии (см. рисунок ниже) типов данных. Их можно обнаружить с помощью иерархии: Например, isinstance(val, np.generic) вернет True if val является объектом скаляра массива. Альтернативно, какой тип скаляра массива присутствует, можно определить с помощью других членов иерархии типов данных. Таким образом, например isinstance(val, np.complexfloating) вернет True if val является комплексным типом, в то время как isinstance(val, np.flexible) вернёт true, если val является одним из типов массивов с гибким размером элемента (str_, bytes_, void).

Рисунок: Иерархия объектов типа, представляющих типы данных массива. Не показаны два целочисленных типа intp и uintp которые используются для индексации (так же, как целочисленный по умолчанию, начиная с NumPy 2).

[1]

Однако скаляры массивов неизменяемы, поэтому ни один из атрибутов скаляра массива не может быть установлен.

Встроенные скалярные типы

Встроенные скалярные типы показаны ниже. Имена в стиле C связаны с символьными кодами, которые показаны в их описаниях. Однако использование символьных кодов не рекомендуется.

Некоторые скалярные типы по сути эквивалентны фундаментальным типам Python и поэтому наследуются от них, а также от общего типа скаляра массива:

Тип скаляра массива	Связанный тип Python	Наследует?
int_	int	нет
double	float	да
cdouble	complex	да
bytes_	bytes	да
str_	str	да
bool_	bool	нет
datetime64	datetime.datetime	нет
timedelta64	datetime.timedelta	нет

The bool_ тип данных очень похож на Python bool но не наследует от него, потому что Python bool не позволяет наследоваться от себя, и на уровне C размер фактических данных bool не совпадает с размером скаляра Boolean в Python.

Предупреждение

The int_ тип делает не наследовать от встроенного int, потому что тип int не является целочисленным типом фиксированной ширины.

Совет

Тип данных по умолчанию в NumPy — double.

класс numpy.общий

Базовый класс для скалярных типов numpy.

Класс, от которого происходят большинство (все?) скалярные типы numpy. Для единообразия предоставляет тот же API, что и ndarray, несмотря на то, что многие последующие атрибуты либо «только для чтения», либо полностью нерелевантны. Это класс, от которого настоятельно рекомендуется наследовать пользовательские скалярные типы.

класс numpy.число

Абстрактный базовый класс всех числовых скалярных типов.

Целочисленные типы

класс numpy.целое число

Абстрактный базовый класс всех целочисленных скалярных типов.

Примечание

Целочисленные типы numpy отражают поведение целых чисел C и поэтому могут подвергаться Ошибки переполнения.

Знаковые целочисленные типы

класс numpy.signedinteger

Абстрактный базовый класс всех скалярных типов со знаком.

класс numpy.байт

int8(value=0, /) –

Целочисленный тип со знаком, совместимый с C char.

Символьный код:

'b'

Каноническое имя:

numpy.byte

Псевдоним на этой платформе (Linux x86_64):

numpy.int8: 8-битное целое число со знаком (-128 to 127).

класс numpy.короткий

int16(value=0, /) –

Целочисленный тип со знаком, совместимый с C short.

Символьный код:

'h'

Каноническое имя:

numpy.short

Псевдоним на этой платформе (Linux x86_64):

numpy.int16: 16-битное целое число со знаком (-32_768 to 32_767).

класс numpy.intc

int32(value=0, /) –

Целочисленный тип со знаком, совместимый с C int.

Символьный код:

'i'

Каноническое имя:

numpy.intc

Псевдоним на этой платформе (Linux x86_64):

numpy.int32: 32-битное знаковое целое число (-2_147_483_648 to 2_147_483_647).

класс numpy.int_

int64(value=0, /) –

Целочисленный тип со знаком, совместимый с C long.

Символьный код:

'l'

Каноническое имя:

numpy.long

Псевдоним на этой платформе (Linux x86_64):

numpy.int64: 64-битное знаковое целое число (-9_223_372_036_854_775_808 to 9_223_372_036_854_775_807).

Псевдоним на этой платформе (Linux x86_64):

numpy.intp: Знаковое целое число, достаточно большое для хранения указателя, совместимое с C intptr_t.

numpy.long

псевдоним int_

класс numpy.longlong(значение=0, /)

Целочисленный тип со знаком, совместимый с C long long.

Символьный код:

'q'

Беззнаковые целочисленные типы

класс numpy.unsignedinteger

Абстрактный базовый класс всех беззнаковых целочисленных скалярных типов.

класс numpy.ubyte

uint8(value=0, /) –

Беззнаковый целочисленный тип, совместимый с C unsigned char.

Символьный код:

'B'

Каноническое имя:

numpy.ubyte

Псевдоним на этой платформе (Linux x86_64):

numpy.uint8: 8-битное целое число без знака (0 to 255).

класс numpy.ushort

uint16(value=0, /) –

Беззнаковый целочисленный тип, совместимый с C unsigned short.

Символьный код:

'H'

Каноническое имя:

numpy.ushort

Псевдоним на этой платформе (Linux x86_64):

numpy.uint16: 16-битное целое без знака (0 to 65_535).

класс numpy.uintc

uint32(value=0, /) –

Беззнаковый целочисленный тип, совместимый с C unsigned int.

Символьный код:

'I'

Каноническое имя:

numpy.uintc

Псевдоним на этой платформе (Linux x86_64):

numpy.uint32: 32-битное целое число без знака (0 to 4_294_967_295).

класс numpy.uint

uint64(value=0, /) –

Беззнаковый знаковый целочисленный тип, 64-битный на 64-битных системах и 32-битный на 32-битных системах.

Символьный код:

'L'

Каноническое имя:

numpy.uint

Псевдоним на этой платформе (Linux x86_64):

numpy.uint64: 64-битное беззнаковое целое (0 to 18_446_744_073_709_551_615).

Псевдоним на этой платформе (Linux x86_64):

numpy.uintp: Беззнаковое целое, достаточно большое для хранения указателя, совместимое с C uintptr_t.

numpy.ulong

псевдоним uint

класс numpy.ulonglong(значение=0, /)

Беззнаковый целочисленный тип, совместимый с C unsigned long long.

Символьный код:

'Q'

Неточные типы

класс numpy.неточный

Абстрактный базовый класс всех числовых скалярных типов с (потенциально) неточным представлением значений в его диапазоне, таких как числа с плавающей запятой.

Примечание

Неточные скаляры выводятся с использованием минимального количества десятичных цифр, необходимых для отличия их значения от других значений того же типа данных, путём разумного округления. См. unique параметр format_float_positional и format_float_scientific.

Это означает, что переменные с одинаковыми двоичными значениями, но типами данных разной точности могут отображаться по-разному:

Попробуйте в вашем браузере!

>>> import numpy as np

>>> f16 = np.float16("0.1")
>>> f32 = np.float32(f16)
>>> f64 = np.float64(f32)
>>> f16 == f32 == f64
True
>>> f16, f32, f64
(0.1, 0.099975586, 0.0999755859375)

Обратите внимание, что ни одно из этих чисел с плавающей запятой не содержит точное значение \(\frac{1}{10}\); f16 печатается как 0.1 потому что это максимально близкое значение к этому значению, тогда как другие типы не имеют, так как у них больше точности и поэтому есть более близкие значения.

Наоборот, скаляры с плавающей точкой разной точности, которые аппроксимируют одно и то же десятичное значение, могут сравниваться как неравные, несмотря на идентичный вывод:

>>> f16 = np.float16("0.1")
>>> f32 = np.float32("0.1")
>>> f64 = np.float64("0.1")
>>> f16 == f32 == f64
False
>>> f16, f32, f64
(0.1, 0.1, 0.1)

НазадОткрыть во вкладке

Типы с плавающей запятой

класс numpy.с плавающей точкой

Абстрактный базовый класс всех скалярных типов с плавающей точкой.

класс numpy.half

float16(value=0, /) –

Тип числа с плавающей запятой половинной точности.

Символьный код:

'e'

Каноническое имя:

numpy.half

Псевдоним на этой платформе (Linux x86_64):

numpy.float16: 16-битный тип числа с плавающей запятой: бит знака, 5 бит экспоненты, 10 бит мантиссы.

класс numpy.одиночный

float32(value=0, /) –

Тип числа с плавающей запятой одинарной точности, совместимый с C float.

Символьный код:

'f'

Каноническое имя:

numpy.single

Псевдоним на этой платформе (Linux x86_64):

numpy.float32: 32-битный тип числа с плавающей точкой: знаковый бит, 8 бит экспоненты, 23 бита мантиссы.

класс numpy.double(x=0, /)

float64(value=0, /) –

Тип числа с плавающей запятой двойной точности, совместимый с Python float и C double.

Символьный код:

'd'

Каноническое имя:

numpy.double

Псевдоним на этой платформе (Linux x86_64):

numpy.float64: 64-битный тип числа с плавающей точкой: знаковый бит, 11 бит экспоненты, 52 бита мантиссы.

класс numpy.longdouble(значение=0, /)

Тип числа с плавающей запятой расширенной точности, совместимый с C long double но не обязательно с IEEE 754 четверной точностью.

Символьный код:

'g'

Псевдоним на этой платформе (Linux x86_64):

numpy.float128: 128-битный тип числа с расширенной точностью с плавающей запятой.

Комплексные типы с плавающей запятой

класс numpy.complexfloating

Абстрактный базовый класс всех скалярных типов комплексных чисел, которые состоят из чисел с плавающей запятой.

класс numpy.csingle

complex64(real=0, imag=0, /) –

Тип комплексного числа, состоящий из двух чисел с плавающей запятой одинарной точности.

Символьный код:

'F'

Каноническое имя:

numpy.csingle

Псевдоним на этой платформе (Linux x86_64):

numpy.complex64: Тип комплексного числа, состоящий из 2 чисел с плавающей запятой с 32-битной точностью.

класс numpy.cdouble(вещественный=0, imag=0)

complex128(real=0, imag=0, /) –

Тип комплексного числа, состоящий из двух чисел с плавающей запятой двойной точности, совместимый с Python complex.

Символьный код:

'D'

Каноническое имя:

numpy.cdouble

Псевдоним на этой платформе (Linux x86_64):

numpy.complex128: Тип комплексного числа, состоящий из 2 чисел с плавающей запятой двойной точности (64-бит).

класс numpy.clongdouble(вещественный=0, imag=0, /)

Тип комплексного числа, состоящий из двух чисел с расширенной точностью с плавающей запятой.

Символьный код:

'G'

Псевдоним на этой платформе (Linux x86_64):

numpy.complex256: Тип комплексного числа, состоящий из 2 чисел с плавающей запятой расширенной точности размером 128 бит.

Другие типы

numpy.bool_

псевдоним bool

класс numpy.bool(значение=False, /)

Логический тип (True или False), хранится как байт.

Предупреждение

The bool тип не является подклассом int_ тип (тот bool не является даже числовым типом). Это отличается от реализации по умолчанию в Python bool как подкласс int.

Символьный код:

'?'

класс numpy.datetime64(значение=None, *args)

Если создан из 64-битного целого числа, он представляет смещение от 1970-01-01T00:00:00. Если создано из строки, строка может быть в формате даты или даты-времени ISO 8601.

При разборе строки для создания объекта datetime, если строка содержит конечный часовой пояс ('Z' или смещение часового пояса), часовой пояс будет удалён и выдано предупреждение пользователя.

Объекты Datetime64 следует считать находящимися в UTC и, следовательно, имеющими смещение +0000.

>>> np.datetime64(10, 'Y')
np.datetime64('1980')
>>> np.datetime64('1980', 'Y')
np.datetime64('1980')
>>> np.datetime64(10, 'D')
np.datetime64('1970-01-11')

См. Даты и временные интервалы для получения дополнительной информации.

Символьный код:

'M'

класс numpy.timedelta64(значение=0, *args)

Временной интервал, хранящийся как 64-битное целое число.

См. Даты и временные интервалы для получения дополнительной информации.

Символьный код:

'm'

класс numpy.object_(значение=None, /)

Любой объект Python.

Символьный код:

'O'

Примечание

Фактические данные, хранящиеся в массивах объектов (т.е., массивы, имеющие dtype object_) являются ссылками на объекты Python, а не самими объектами. Следовательно, массивы объектов ведут себя больше как обычные Python lists, в том смысле, что их содержимое не обязательно должно быть одного типа Python.

Тип object также особенный, потому что массив, содержащий object_ items не возвращает object_ объект при доступе к элементу, а вместо этого возвращает фактический объект, на который ссылается элемент массива.

Следующие типы данных гибкий: они не имеют предопределенного размера, и данные, которые они описывают, могут иметь разную длину в разных массивах. (В кодах символов # является целым числом, обозначающим, из скольких элементов состоит тип данных.)

класс numpy.гибкий

Абстрактный базовый класс всех скалярных типов без предопределенной длины. Фактический размер этих типов зависит от конкретного numpy.dtype создание экземпляра.

класс numpy.символ

Абстрактный базовый класс всех скалярных типов символьных строк.

класс numpy.bytes_(значение='', *args, **kwargs)

Байтовая строка.

При использовании в массивах этот тип удаляет завершающие нулевые байты.

Символьный код:

'S'

класс numpy.str_(значение='', *args, **kwargs)

Строка в кодировке Unicode.

Этот тип удаляет завершающие нулевые кодовые точки.

>>> s = np.str_("abc\x00")
>>> s
'abc'

В отличие от встроенных str, это поддерживает Протокол буфера, раскрывая его содержимое как UCS4:

>>> m = memoryview(np.str_("abc"))
>>> m.format
'3w'
>>> m.tobytes()
b'a\x00\x00\x00b\x00\x00\x00c\x00\x00\x00'

Символьный код:

'U'

класс numpy.void(length_or_data, /, dtype=None)

Создать новый структурированный или неструктурированный void скаляр.

Параметры:

length_or_dataint, array-like, bytes-like, object

Одно из нескольких значений (см. примечания). Длина или байтовые данные неструктурированного void. Или, альтернативно, данные для хранения в новом скаляре, когда dtype предоставлен. Это может быть array-like, в этом случае может быть возвращен массив.

dtypedtype, опционально

Если указан dtype нового скаляра. Этот dtype должен быть dtype "void" (т.е. структурированным или неструктурированным void, см. также Структурированные типы данных).

Новое в версии 1.24.

Примечания

По историческим причинам и потому что void скаляры могут представлять как произвольные байтовые данные, так и структурированные dtypes, конструктор void имеет три соглашения о вызове:

1. np.void(5) создает dtype="V5" скаляр, заполненный пятью

   \0 байт. 5 может быть целым числом Python или NumPy.

2. np.void(b"bytes-like") создает скаляр void из строки байтов.

   Размер элемента dtype будет соответствовать длине байтовой строки, здесь "V10".

3. Когда dtype= передаётся, вызов примерно такой же, как

   создание массива. Однако возвращается скаляр void, а не массив.

Пожалуйста, ознакомьтесь с примерами, которые демонстрируют все три различных соглашения.

Примеры

Попробуйте в вашем браузере!

>>> np.void(5)
np.void(b'\x00\x00\x00\x00\x00')
>>> np.void(b'abcd')
np.void(b'\x61\x62\x63\x64')
>>> np.void((3.2, b'eggs'), dtype="d,S5")
np.void((3.2, b'eggs'), dtype=[('f0', '
>>> np.void(3, dtype=[('x', np.int8), ('y', np.int8)])
np.void((3, 3), dtype=[('x', 'i1'), ('y', 'i1')])

Символьный код:

'V'

НазадОткрыть во вкладке

Предупреждение

См. Примечание о строковых типах.

Совместимость с Numeric: Если вы использовали старые символы типов в коде Numeric (что никогда не рекомендовалось), вам нужно изменить некоторые из них на новые символы. В частности, необходимые изменения: c -> S1, b -> B, 1 -> b, s -> h, w -> H, и u -> I. Эти изменения делают соглашение о символах типов более согласованным с другими модулями Python, такими как struct модуль.

Псевдонимы с размером

Наряду с их (в основном) C-производными именами, целочисленные, вещественные и комплексные типы данных также доступны с использованием соглашения о битовой ширине, чтобы всегда можно было обеспечить массив правильного размера. Два псевдонима (numpy.intp и numpy.uintp) указывающий на целочисленный тип, достаточно большой для хранения C-указателя, также предоставляются.

numpy.int8

numpy.int16

numpy.int32

numpy.int64

Псевдонимы для знаковых целочисленных типов (один из numpy.byte, numpy.short, numpy.intc, numpy.int_, numpy.long и numpy.longlong) с указанным количеством битов.

Совместимо с C99 int8_t, int16_t, int32_t, и int64_t, соответственно.

numpy.uint8

numpy.uint16

numpy.uint32

numpy.uint64

Псевдоним для беззнаковых целочисленных типов (один из numpy.ubyte, numpy.ushort, numpy.uintc, numpy.uint, numpy.ulong и numpy.ulonglong) с указанным количеством битов.

Совместимо с C99 uint8_t, uint16_t, uint32_t, и uint64_t, соответственно.

numpy.intp

Псевдоним для знакового целочисленного типа (один из numpy.byte, numpy.short, numpy.intc, numpy.int_, numpy.long и numpy.longlong) который используется как целое число по умолчанию и для индексации.

Совместимо с C Py_ssize_t.

Символьный код:

'n'

Изменено в версии 2.0: До NumPy 2 это имело тот же размер, что и указатель. На практике это почти всегда идентично, но символьный код 'p' соответствует C intptr_t. Символьный код 'n' был добавлен в NumPy 2.0.

numpy.uintp

Псевдоним для беззнакового целочисленного типа того же размера, что и intp.

Совместимо с C size_t.

Символьный код:

'N'

Изменено в версии 2.0: До NumPy 2 это имело тот же размер, что и указатель. На практике это почти всегда идентично, но символьный код 'P' соответствует C uintptr_t. Символьный код 'N' был добавлен в NumPy 2.0.

numpy.float16

псевдоним half

numpy.float32

псевдоним single

numpy.float64

псевдоним double

numpy.float96

numpy.float128

Псевдоним для numpy.longdouble, названные по их размеру в битах. Существование этих псевдонимов зависит от платформы.

numpy.complex64

псевдоним csingle

numpy.complex128

псевдоним cdouble

numpy.complex192

numpy.complex256

Псевдоним для numpy.clongdouble, названные по их размеру в битах. Существование этих псевдонимов зависит от платформы.

Атрибуты

Объекты скаляров массива имеют array priority of NPY_SCALAR_PRIORITY (-1,000,000.0). Они также (пока) не имеют ctypes атрибут. В противном случае они имеют те же атрибуты, что и массивы:

generic.flags	Целочисленное значение флагов.
generic.shape	Кортеж размерностей массива.
generic.strides	Кортеж шагов в байтах в каждом измерении.
generic.ndim	Количество измерений массива.
generic.data	Указатель на начало данных.
generic.size	Количество элементов в gentype.
generic.itemsize	Длина одного элемента в байтах.
generic.base	Скалярный атрибут, идентичный ndarray.base.
generic.dtype	Получить дескриптор данных массива.
generic.real	Действительная часть скаляра.
generic.imag	Мнимая часть скаляра.
generic.flat	1-D представление скаляра.
generic.T	Скалярный атрибут, идентичный ndarray.T.
generic.__array_interface__	Протокол массива: сторона Python
generic.__array_struct__	Протокол массива: struct
generic.__array_priority__	Приоритет массива.
generic.__array_wrap__	Реализация __array_wrap__ для скалярных типов

Индексирование

Смотрите также

Подпрограммы индексирования, Объекты типа данных (dtype)

Скаляры массива могут индексироваться как 0-мерные массивы: если x является скаляром массива,

• x[()] возвращает копию скаляра массива

• x[...] возвращает 0-мерный ndarray

• x['field-name'] возвращает скаляр массива в поле field-name. (x может иметь поля, например, когда соответствует структурированному типу данных.)

Методы

Скаляры массивов имеют точно такие же методы, как и массивы. Поведение этих методов по умолчанию - внутреннее преобразование скаляра в эквивалентный 0-мерный массив и вызов соответствующего метода массива. Кроме того, математические операции над скалярами массивов определены так, что устанавливаются те же аппаратные флаги и используются для интерпретации результатов, как и для универсальная функция (ufunc), так что состояние ошибки, используемое для ufuncs, также распространяется на математические операции со скалярами массивов.

Исключения из приведённых выше правил даны ниже:

generic.__array__	sc.__array__(dtype) возвращает 0-мерный массив из скаляра с указанным dtype
generic.__array_wrap__	Реализация __array_wrap__ для скалярных типов
generic.squeeze(/[, axis])	Скалярный метод, идентичный ndarray.squeeze.
generic.byteswap(/[, inplace])	Скалярный метод, идентичный ndarray.byteswap.
generic.__reduce__	Вспомогательная функция для pickle.
generic.__setstate__
generic.setflags(*[, write, align, uic])	Скалярный метод, идентичный ndarray.setflags.

Вспомогательный метод для типизации:

number.__class_getitem__(item, /)

Возвращает параметризованную обертку вокруг number тип.

Определение новых типов

Существует два способа эффективного определения нового скалярного типа массива (помимо составления структурированных типов dtypes из встроенных скалярных типов): Один из способов — просто создать подкласс ndarray и переопределить интересующие методы. Это будет работать до определённой степени, но внутренне некоторые поведения фиксированы типом данных массива. Чтобы полностью настроить тип данных массива, необходимо определить новый тип данных и зарегистрировать его в NumPy. Такие новые типы могут быть определены только на C, используя NumPy C-API.