‎انواع دادهNumPy در پايتون

‎انواع داده در پايتون

‎پايتون بصورت پيش فرض اين نوع داده ها را دارد:

• ‎strings‎ـ رشته ها براي نمايش داده هاي متني مورد استفاده قرار ميگيرد . ‎آنها در داخل دو نقل قول قرا ميگيرند، مثل‎‎"ABCD‎"‎
• ‎integer‎ـ براي نمايش اعداد صحيح مورد استفاده قرارميگيرند.مثل‎-‎1,-‎2,2‎
• ‎float‎ـ براي نمايش اعداد حقيقي مورد استفاده قرارميگيرند.مثل‎1.2,3.4‎
• ‎bolean‎ـ براي نمايشTRUE,FALSE مورد استفاده قرارميگيرند .
• ‎complex‎ـ براي نمايش اعدادمختلط يا موهومي مورد استفاده قرارميگيرند. ‎مثال‎ 1.0+20j‎ و ‎.5+2.5j‎

‎انواع داده درNumPy

NumPy‎براي خود انواع داده اضافه تري كه هر كدام با يك كراكتر معرفي مي شوند، دارد .مثلا ‎براي اعداد صحيح‎i‎ وبراي اعداد بدون علامت‎u‎ و غيره .

‎در زير ليستي از انواع داده درNumPy همراه مشخصه كراكتري آنها آمده است .

• integer _ i
• boolean _ b
• unsigned imteger _ u
• float _ f
• complex float _ c
• timedate _ m
• datetime _ M
• object _ O
• string _ S
• unicode string _ U
• fixed chunk of memory for type(void) _ V

‎بررسي نوع داده يك آرايه

‎شئ آرايه ايNumPy داراي ويژگي ‎dtype‎ بوده كه نوع داده آرايه را برگشت مي دهد .

‎مثال ـ دريافت نوع دادهاي يك شئ آرايه اي

import numpy as np arr = np.array([1, 2, 3, 4]) print(arr.dtype)

--(go to editor for change code and run)

‎مثال ـ دريافت نوع داده اي آرايه داراي رشته است.

import numpy as np arr = np.array(['apple', 'banana', 'cherry']) print(arr.dtype)

--(go to editor for change code and run)

‎ايجاد آرايه با نوع دادهاي مشخص

‎با استفاده از تابع‎array()‎‎ ميتوان آرايه اي ايجاد كرد .اين تابع داراي يك ‎آرگومان‎dtype‎ اختياريست كه آن نوع داده اي آرايه را مشخص ميكند .

‎مثال ـ ايجاد آرايه با نوع داده رشته اي

import numpy as np arr = np.array([1, 2, 3, 4], dtype='S') print(arr) print(arr.dtype)

--(go to editor for change code and run)

‎براي انواع‎i,u,f,S,U‎ ميتوان اندازه را نيز تعريف كرد .

‎مثال ـ ايجاد آرايه عدد صحيح با طول چهار بايت

import numpy as np arr = np.array([1, 2, 3, 4], dtype='i4') print(arr) print(arr.dtype)

--(go to editor for change code and run)

‎عدم تبديل مقادير به نوع داده اي

‎اگر مقاديري در آرايهNumPy باشند كه با نوع داده مشخص شده نتوانند تبديل شوند، خطائي ايجاد ‎ميشود .نوع اين خطاValueError است .

‎مثال ـ در مثال زير نوع دادهاي آرايه‎i‎ است اما رشته ‎"a‎"‎نمي تواند به عدد صحيح ‎تبديل شود.

import numpy as np arr = np.array(['a', '2', '3'], dtype='i')

--(go to editor for change code and run)

‎تبديل نوع داده روي آرايه موجود

‎بهترين روش براي تغيير نوع داده يك آرايه موجود، ايجاد يك كپي از آرايه با استفاده از متد ‎astype()‎‎است .

‎تابع‎astype()‎‎ يك كپي از آرايه اي را ايجاد ميكند، واجازه ميدهد نوع داده آنرا ‎هم مشخص كنيد .نوع داده بصورت‎ 'i' ,'f' , ...‎ در آرگومان ظاهر ميشود .

‎مثال ـ تغيير نوع داده از فلوت به عدد صحيح

import numpy as np

arr = np.array([1.1, 2.1, 3.1])
newarr = arr.astype('i')
print(newarr)
print(newarr.dtype)

import numpy as np arr = np.array([1.1, 2.1, 3.1]) newarr = arr.astype('i') print(newarr) print(newarr.dtype)

--(go to editor for change code and run)

‎مثال ـ تغيير نوع داده از فلوت به عدد صحيح با كي ورد‎int‎

import numpy as np

arr = np.array([1.1, 2.1, 3.1])
newarr = arr.astype(int)
print(newarr)
print(newarr.dtype)

import numpy as np arr = np.array([1.1, 2.1, 3.1]) newarr = arr.astype(int) print(newarr) print(newarr.dtype)

--(go to editor for change code and run)

‎مثال ـ تغيير نوع دادهاي ازinteger به boolean

import numpy as np

arr = np.array([1, 0, 3])
newarr = arr.astype(bool)
print(newarr)
print(newarr.dtype)

import numpy as np arr = np.array([1, 0, 3]) newarr = arr.astype(bool) print(newarr) print(newarr.dtype) ====

--(go to editor for change code and run)

---

Previous >    <Next  




---