当前位置: 首页 > 面试题库 >

使用NumPy的数据类型的大小

林魁
2023-03-14
问题内容

在NumPy中,我可以通过以下方式获取特定数据类型的大小(以字节为单位):

datatype(...).itemsize

要么:

datatype(...).nbytes

例如:

np.float32(5).itemsize #4
np.float32(5).nbytes   #4

我有两个问题。首先,有没有一种方法可以在 不创建 数据类型 实例的情况 下获取此信息?其次,itemsize和之间有什么区别nbytes


问题答案:

您需要一个的实例dtype来获取itemsize,但不需要一个的实例ndarray。(很快就会nbytes知道,它是数组的属性,而不是dtype。)

例如

print np.dtype(float).itemsize
print np.dtype(np.float32).itemsize
print np.dtype('|S10').itemsize

至于之间的区别itemsizenbytesnbytes只是x.itemsize * x.size

例如

In [16]: print np.arange(100).itemsize
8

In [17]: print np.arange(100).nbytes
800


 类似资料:
  • 主要内容:数据类型对象,数据类型标识码,定义结构化数据NumPy 作为 Python 的扩展包,它提供了比 Python 更加丰富的数据类型,如表 1 所示: 表1:NumPy数据类型 序号 数据类型 语言描述 1 bool_ 布尔型数据类型(True 或者 False) 2 int_ 默认整数类型,类似于 C 语言中的 long,取值为 int32 或 int64 3 intc 和 C 语言的 int 类型一样,一般是 int32 或 int 64

  • 本小节将详述 Numpy 内置的数据类型,以及如何在创建数组对象时进行灵活指定、如何查看创建好的数组类型、以及如何更改数据类型。 1. 常见数据类型 Numpy 支持的数据类型比 Python 内置的要多很多,而这也是 Numpy 如此灵活和强大的原因之一。 例如对于整数,在 Numpy 中,根据整数的位数不同所需要占据的空间大小不同,又对整数类型进行类细分,常见地可以分为 int8、int16、

  • 为了生成某些情况下的概率密度函数,可能需要考虑100万次观测。当我使用numpy数组时,遇到了大小限制32。 是不是太少了? 在这种情况下,我们如何存储32个以上的元素,而不将元素分布到不同的列中,或者在数组中分布数组?

  • 问题内容: 有时,您必须对一个或多个大型Numpy阵列执行许多中间操作。这会很快导致s。在我到目前为止的研究中,U发现酸洗(Pickle,CPickle,Pytables等)是缓解此问题的方法。我想知道经验丰富的程序员在处理大量数据时是否还会使用其他任何技术(当然,除了消除策略/代码中的冗余之外)。 另外,如果我确定有一件事,那就是没有免费的东西。使用其中一些技术,需要进行哪些权衡(例如,速度,鲁

  • 本文向大家介绍更改给定numpy数组的数据类型,包括了更改给定numpy数组的数据类型的使用技巧和注意事项,需要的朋友参考一下 除了python的本机数据类型外,Numpy数组还支持多种数据类型。创建数组后,我们仍然可以根据需要修改数组中元素的数据类型。用于此目的的两种方法是array.dtype和array.astype array.dtype 此方法为我们提供了数组中元素的现有数据类型。在下面

  • 问题内容: 我正在创建一个numpy数组,该数组将填充我制作的特定类的对象。我想初始化数组,使其仅包含该类的对象。例如,这是我想做的事,如果我做这件事会发生什么。 我可以做这个: 然后将的每个元素分配为一个对象(或任何其他类型的对象)。从编程的角度(类型检查)和数学的角度(对函数集进行操作)的角度来看,如果我能够拥有一个s数组,那将是如此的巧妙。 我可以使用任意类指定numpy数组的数据类型吗?