TUTORIAL
Tutoriel Numpy - Type de données NumPy et conversion
Cette section présente les types de données dans Numpy et la conversion entre eux.
Sur cette page
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'))
Attention
La méthode de conversion de type de données ne retournera qu’une nouvelle instance de tableau, et les données et informations de l’instance de tableau originale n’ont pas changé.
