每个Numpy数组都是一个元素表（通常是数字），都是相同的类型，由正整数元组索引。 每个ndarray都有一个关联的数据类型（dtype）对象。 此数据类型对象（dtype）提供有关阵列布局的信息。 ndarray的值存储在缓冲区中，缓冲区可以被认为是可以由dtype对象解释的连续的存储器字节块。 Numpy提供了大量可用于构造数组的数值数据类型。 在创建数组时，Numpy尝试猜测数据类型，但构造数组的函数通常还包含一个可选参数来显式指定数据类型。
构造数据类型对象
在Numpy中，除非需要特定的数据类型，否则无需定义数组的数据类型。 Numpy试图猜测构造函数中未预定义的数组的数据类型。
#Python程序创建 #数据类型对象 import numpy as np #整数数据类型 x = np.array([1, 2]) print("Integer Datatype: ") print(x.dtype) #浮动数据类型 x = np.array([1.0, 2.0]) print("\nFloat Datatype: ") print(x.dtype) # 强制数据类型 x = np.array([1, 2], dtype = np.int64) print("\nForcing a Datatype: ") print(x.dtype)
Integer Datatype:
int64
Float Datatype:
float64
Forcing a Datatype:
int64
DataType数组上的数学运算
在Numpy数组中，基本数学运算在数组上以元素方式执行。 这些操作既可以作为操作符重载也可以作为函数应用。 Numpy中提供了许多有用的函数，用于对数组执行计算，例如sum：用于添加数组元素，T：用于元素的转置等。
#Python程序创建 #数据类型对象 import numpy as np #第一个数组 arr1 = np.array([[4, 7], [2, 6]], dtype = np.float64) #第二个数组 arr2 = np.array([[3, 6], [2, 8]], dtype = np.float64) #添加两个阵列 Sum = np.add(arr1, arr2) print("Addition of Two Arrays: ") print(Sum) #添加所有数组元素 #使用预定义的sum方法 Sum1 = np.sum(arr1) print("\nAddition of Array elements: ") print(Sum1) # 数组的平方根 Sqrt = np.sqrt(arr1) print("\nSquare root of Array1 elements: ") print(Sqrt) #数组转置 #使用内置功能'T' Trans_arr = arr1.T print("\nTranspose of Array: ") print(Trans_arr)
输出如下：
Addition of Two Arrays:
[[ 7. 13.]
[ 4. 14.]]
Addition of Array elements:
19.0
Square root of Array1 elements:
[[2. 2.64575131]
[1.41421356 2.44948974]]
Transpose of Array:
[[4. 2.]
[7. 6.]]
