Numpy数据类型转换astype,dtype的方法
1、查看数据类型
In [11]: arr = np.array([1,2,3,4,5]) In [12]: arr Out[12]: array([1, 2, 3, 4, 5]) // 该命令查看数据类型 In [13]: arr.dtype Out[13]: dtype('int64') In [14]: float_arr = arr.astype(np.float64) // 该命令查看数据类型 In [15]: float_arr.dtype Out[15]: dtype('float64')
2、转换数据类型
// 如果将浮点数转换为整数,则小数部分会被截断 In [7]: arr2 = np.array([1.1, 2.2, 3.3, 4.4, 5.3221]) In [8]: arr2 Out[8]: array([ 1.1 , 2.2 , 3.3 , 4.4 , 5.3221]) // 查看当前数据类型 In [9]: arr2.dtype Out[9]: dtype('float64') // 转换数据类型 float -> int In [10]: arr2.astype(np.int32) Out[10]: array([1, 2, 3, 4, 5], dtype=int32)
3、字符串数组转换为数值型
In [4]: numeric_strings = np.array(['1.2','2.3','3.2141'], dtype=np.string_) In [5]: numeric_strings Out[5]: array(['1.2', '2.3', '3.2141'], dtype='|S6') // 此处写的是float 而不是np.float64, Numpy很聪明,会将python类型映射到等价的dtype上 In [6]: numeric_strings.astype(float) Out[6]: array([ 1.2, 2.3, 3.2141])
以上这篇Numpy数据类型转换astype,dtype的方法就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持我们。
相关推荐
-
python3库numpy数组属性的查看方法
实例如下所示: import numpy as np a1 = np.array([1,2,3,4],dtype=np.complex128) print(a1) print("数据类型",type(a1)) #打印数组数据类型 print("数组元素数据类型:",a1.dtype) #打印数组元素数据类型 print("数组元素总数:",a1.size) #打印数组尺寸,即数组元素总数 print("数组形状:",a1.sh
-
Python Numpy 数组的初始化和基本操作
Python 是一种高级的,动态的,多泛型的编程语言.Python代码很多时候看起来就像是伪代码一样,因此你可以使用很少的几行可读性很高的代码来实现一个非常强大的想法. 一.基础: Numpy的主要数据类型是ndarray,即多维数组.它有以下几个属性: ndarray.ndim:数组的维数 ndarray.shape:数组每一维的大小 ndarray.size:数组中全部元素的数量 ndarray.dtype:数组中元素的类型(numpy.int32, numpy.int16, and num
-
详谈python3 numpy-loadtxt的编码问题
如下所示: data_array = np.loadtxt(filename, #文件名 delimiter=',', #分隔符 skiprows=1, #跳过第一行 dtype=bytes, #数据类型 usecols=use_col_index_lst).astype(str) #用指定列 ''' I think np.loadtxt("tile", dtype=bytes, delimiter="\n").astype(str) might work, but
-
Numpy数据类型转换astype,dtype的方法
1.查看数据类型 In [11]: arr = np.array([1,2,3,4,5]) In [12]: arr Out[12]: array([1, 2, 3, 4, 5]) // 该命令查看数据类型 In [13]: arr.dtype Out[13]: dtype('int64') In [14]: float_arr = arr.astype(np.float64) // 该命令查看数据类型 In [15]: float_arr.dtype Out[15]: dtype('float
-
关于numpy强制类型转换的问题
目录 numpy强制类型转换 numpy类型强制转换api numpy数据类型转换astype,dtype 1.查看数据类型 2.转换数据类型 3.字符串数组转换为数值型 numpy强制类型转换 今天用numpy遇到一个关于类型转换的问题, import numpy as np A = np.array([1,2,3,4,5,6,7,8,9]) A[0]=3.2 print(A) # [3 2 3 4 5 6 7 8 9] 可以发现A[0]=3.2,被强制转换成整型3了.发生的原因是A的类
-
Pandas数据类型转换df.astype()及数据类型查看df.dtypes的使用
目录 1.数据框字段类型查看:df.dtypes 2.维度查看df.shape: 3.数据框的策略基本信息df.info(): 4.某一列格式df['列名'].dtype: 5.数据类型转换.astype: Pandas所支持的数据类型: Python,numpy都有自己的一套数据格式,它们之间的对应关系可参考如下表格: pandas默认的数据类型是int64,float64. 1.数据框字段类型查看:df.dtypes 数据框td_link_data如下 print(td_link_data)
-
Pandas实现数据类型转换的一些小技巧汇总
前言 Pandas是Python当中重要的数据分析工具,利用Pandas进行数据分析时,确保使用正确的数据类型是非常重要的,否则可能会导致一些不可预知的错误发生. Pandas 的数据类型:数据类型本质上是编程语言用来理解如何存储和操作数据的内部结构.例如,一个程序需要理解你可以将两个数字加起来,比如 5 + 10 得到 15.或者,如果是两个字符串,比如「cat」和「hat」,你可以将它们连接(加)起来得到「cathat」.尚学堂•百战程序员陈老师指出有关 Pandas 数据类型的一个可能令人
-
对numpy数据写入文件的方法讲解
numpy数据保存到文件 Numpy提供了几种数据保存的方法. 以3*4数组a为例: 1. a.tofile("filename.bin") 这种方法只能保存为二进制文件,且不能保存当前数据的行列信息,文件后缀不一定非要是bin,也可以为txt,但不影响保存格式,都是二进制. 这种保存方法对数据读取有要求,需要手动指定读出来的数据的的dtype,如果指定的格式与保存时的不一致,则读出来的就是错误的数据. b = numpy.fromfile("filename.bin&quo
-
Python数据类型转换实现方法
目录 基本类型转换 python中的C语言数据类型 python中的struct库 python中的binascii库 python中的libnum神器 基本类型转换 python3与python2通用函数: int('123456',10) # 转换为指定进制的整数 hex(123456) # 整数转换为16进制串,转换后类型为字符串 bin(123) # 整数转换为2进制串 oct(123) # 整数转换为8进制串 python2专用函数: 'abcd'.encode('hex') # 字符
-
Spring中自定义数据类型转换的方法详解
目录 类型转换服务 实现Converter接口 实现ConverterFactory接口 实现GenericConverter接口 环境:Spring5.3.12.RELEASE. Spring 3引入了一个core.onvert包,提供一个通用类型转换系统.系统定义了一个SPI来实现类型转换逻辑,以及一个API来在运行时执行类型转换.在Spring容器中,可以使用这个系统作为PropertyEditor实现的替代,将外部化的bean属性值字符串转换为所需的属性类型.还可以在应用程序中需要类型转
-
Mongodb 利用mongoshell进行数据类型转换的实现方法
$type操作符 检测类型 种类 代号 别名 Double 1 "double" String 2 "string" Object 3 "object" Array 4 "array" Binary data 5 "binData" Undefined 6 "undefined" Deprecated. ObjectId 7 "objectId" Boolean 8
-
pandas 数据类型转换的实现
数据处理过程的数据类型 当利用pandas进行数据处理的时候,经常会遇到数据类型的问题,当拿到数据的时候,首先需要确定拿到的是正确类型的数据,一般通过数据类型的转化,这篇文章就介绍pandas里面的数据类型(data types也就是常用的dtyps),以及pandas与numpy之间的数据对应关系. 主要介绍object,int64,float64,datetime64,bool等几种类型,category与timedelta两种类型会单独的在其他文章中进行介绍.当然本文中也会涉及简单的介绍.
-
Pandas中Series的创建及数据类型转换
目录 一.实战场景 二.主要知识点 三.菜鸟实战 1.创建 python 文件,用Numpy创建Series 2.转换Series的数据类型 四.补充 1.创建 python 文件,数据list,变成Pandas的Series对象 2.数据dict变成Pandas的Series对象 3.把Pandas的Series对象变成数据list 一.实战场景 实战场景:Pandas中Series的创建和数据类型转换,Series的创建和数据类型转换,Series 类似于一维数组与字典(map)数据结构的结
随机推荐
- hta编写的常用工具箱(常用工具快捷方式等)
- (转贴)QQ被盗可以这样申述
- centos7.2搭建LAMP环境的具体操作方法
- Oracle 高速批量数据加载工具sql*loader使用说明
- asp.net下Response.ContentType类型汇总
- php获取远程图片的两种 CURL方式和sockets方式获取远程图片
- 介绍一些PHP判断变量的函数
- PHP中include/require/include_once/require_once使用心得
- JavaScript DOM 编程艺术(第2版)读书笔记(JavaScript的最佳实践)
- Python的lambda匿名函数的简单介绍
- Python中条件选择和循环语句使用方法介绍
- 在Python中封装GObject模块进行图形化程序编程的教程
- python进程类subprocess的一些操作方法例子
- C#导出文本内容到word文档的方法
- Android来电拦截的实现方法
- Android给TextView添加点击事件的实现方法
- SQLServer行转列实现思路记录
- 详细介绍Python语言中的按位运算符
- 浅析Java中线程的创建和启动
- 一个简单的javascript图片放大效果代码