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