Dtypes numpy

Python es uno de los lenguajes de programación mejor clasificados y más utilizados en todo el mundo. El novato, así como los desarrolladores expertos, prefieren trabajar en el lenguaje de programación de Python sobre cualquier otro lenguaje de alto nivel. No solo es fácil de codificar, sino también fácil de aprender. Las bibliotecas incorporadas del lenguaje de programación de Python lo hicieron simple y fácil de usar. Puede obtener más información sobre la biblioteca Numpy y su método dtype de esta publicación. Con la ayuda de ejemplos, explicaremos qué son numpy dtypes y cómo son útiles para usted en los programas de Python.

¿Qué es Numpy en el lenguaje de programación de Python??

Python define a Numpy como una biblioteca incorporada. Se emplea para operar en matrices. Numpy significa Python numérico y es una biblioteca de código abierto proporcionada por el lenguaje de programación de Python para tratar cualquier ejemplo de ingeniería o ejemplos prácticos relacionados con la ciencia. Todas las funciones que necesitas para trabajar en matrices, matemáticas y álgebra lineal, entrarás en la biblioteca Numpy. Además, lleva el poder computacional de la mayoría de los idiomas de alto nivel como Fortran o C al lenguaje de programación de Python.

¿Qué son los dtypes numpy??

La biblioteca Numpy de Python proporciona una variedad de tipos de datos numéricos. El dtypes es un ejemplo de la biblioteca numpy que describe cómo se representa un byte de datos en la memoria. Es un objeto de tipo de datos que tiene características únicas que interpretan cómo un bloque fijo de memoria está asociado con una matriz. La correspondencia de la matriz con el bloque de memoria depende del orden de los bytes, el tamaño de los datos, el tipo de datos, el nombre del campo, etc.

Sintaxis de dtypes numpy

Usar dtypes numpy en sus programas es muy fácil. Todo lo que tiene que hacer es recordar la sintaxis básica, que es la siguiente:

Aquí, "N" representa la biblioteca Numpy que se requiere importar al programa para usar la función dtypes. El valor de entrada está representado por el "DataObject". Este valor se cambiará a un objeto del tipo de datos. La "alineación" representa si el relleno debe realizarse en el campo para que se vuelva similar al Estructo C. Y, por último, el parámetro de "copia" representa si se debe hacer una copia del objeto dtype o no.

Ejemplo 1

Comenzaremos con un ejemplo básico de dtypes numpy para que no se confunda. Aquí definiremos el funcionamiento básico de la función numpy dtypes. Así que escribamos algunas líneas de código para implementar los dtypes numpy. El código se proporciona a continuación para su referencia:

importar numpy como npy
n = npy.dtype ('> i4')
imprimir ("El orden de byte de n es =", n.byteorder)
imprimir ("El tamaño de n es =", n.itemsize)
imprimir ("el tipo de datos de n es =", n.nombre)

El programa comienza con "import numpy como npy"; Esta línea importa la biblioteca Numpy en el programa representado por la variable NPY. Después de eso, tenemos "n = npy.dtypes ("> i4") ", n es una variable que contiene el valor resultante de la función dtypes (), y"> i4 "representa el entero del byte de tamaño 4 en el pedido de bytes de gama grande. El signo ">" y "<” 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 puede ver en la salida dada anteriormente, el orden de bytes es ">" ya que utilizamos el ">" orden de byte de gama grande. El tamaño del objeto es 4, y el tipo de datos es "int32" ya que definimos el tamaño del byte y el tipo de "i4", que es un entero de bytes de tamaño 4.

Ejemplo 2

Ahora revisemos el tipo de datos de una matriz. Anteriormente hemos visto cómo el tipo Numpy proporciona el tipo de datos, el byteorder y el tamaño del objeto. Así que proporcionemos una matriz a los dtypes numpy y obtengamos estas instancias de esa matriz. El código de referencia se proporciona a continuación para su comprensión:

importar numpy como np
arr = np.Array ([5, 4, 6, 8, 8, 5, 2])
imprimir ("El tipo de datos de matriz es =", arr.dtype)

Nuevamente, importamos la biblioteca Numpy al programa para que pudiéramos usar la función dtypes. Después de eso, declaramos una matriz que contiene 7 elementos de tipo entero. Usando la declaración de impresión, mostraremos el resultado de los dtypes. Vea la salida que se da a continuación:

Como sabemos, los datos en la matriz eran de tipo entero; Los dtypes devolvieron el resultado correcto como int64.

Ejemplo 3

Probemos los dtypes con una matriz de cadenas. En este ejemplo, proporcionaremos los datos del tipo de cadena y usaremos la función dtypes para verificar el tipo de datos de la matriz. El código de referencia se proporciona a continuación para su guía:

importar numpy como np
arr = np.Array (['Kindle', 'Genner', 'Specer'])
imprimir ("El tipo de datos de matriz es =", arr.dtype)

Aquí, proporcionamos las cadenas a la matriz, por lo que la salida debe describir el tipo de datos de cadena. Vea la salida a continuación:

Ejemplo 4

Hasta ahora, solo hemos verificado el tipo de datos del objeto utilizando la función Dtypes Numpy. El tipo Numpy también se usa para crear un objeto con el tipo de datos definido.

importar numpy como np
arr = np.Array ([5, 4, 6, 8, 8, 5, 2], dtype = 's')
imprimir ("La matriz es =", arr)
imprimir ("\ nthe Data tipo de matriz es =", arr.dtype)

Lo primero y más importante es importar la biblioteca Numpy para que pueda usar cualquier función de la biblioteca Numpy sin entrar en ningún error. Una matriz de 7 elementos se define con el tipo de datos "s". El tipo de datos "S" es un tipo de datos definido por el usuario que indica el tipo de datos esperado en la matriz.

Ejemplo 5

Los dtypes numpy también se pueden usar para crear datos estructurados con tipos de datos definidos. En este ejemplo, definiremos cómo crear un tipo de datos estructurados para un objeto ndarray en Python. El código de referencia se proporciona a continuación para su ayuda:

importar numpy como npy
n = npy.dtype ([(('fullname', 's20'), ('marcas', 'f4'), ('edad', 'i1')])
a = np.Array ([('Kalsoom', 5, 20), ('Daniyal', 8, 18)], dtype = n)
Imprimir (a)

Primero, importamos la biblioteca Numpy, y luego definimos la estructura para el objeto NDarray. El tipo de datos "S20" de cadena se define para los nombres, el tipo de datos de flotación "F4" se define para las marcas obtenidas, y finalmente, el tipo de datos de entero "I1" se define para la edad. Después de eso, proporcionamos los datos para el nDarray y luego los imprimimos con una instrucción impresa (). Puede ver la salida del código a continuación:

Conclusión

Este artículo fue una descripción general de los Dtypes Numpy en un lenguaje de programación de Python. Aprendimos que Numpy es una biblioteca de código abierto proporcionada para el lenguaje de programación de Python y Dtypes es una instancia de la biblioteca Numpy. Los dtypes numpy proporcionan los tipos de datos, el tamaño y el orden de bytes del objeto dado. Aprendimos a usar los dtypes numpy en los programas de Python con la ayuda de ejemplos.