Hướng dẫn what does int32 mean in python? - int32 có nghĩa là gì trong python?

Các loại mảng và chuyển đổi giữa các loại#

Numpy hỗ trợ nhiều loại số lớn hơn nhiều so với Python. Phần này cho thấy có sẵn và cách sửa đổi loại dữ liệu của mảng.

Các loại nguyên thủy được hỗ trợ được gắn chặt với các loại trong C:

>>> np.array([1, 2, 3], dtype='f')
array([1.,  2.,  3.], dtype=float32)

>>> np.array([1, 2, 3], dtype='f')
array([1.,  2.,  3.], dtype=float32)

>>> np.array([1, 2, 3], dtype='f')
array([1.,  2.,  3.], dtype=float32)

>>> np.array([1, 2, 3], dtype='f')
array([1.,  2.,  3.], dtype=float32)

>>> np.array([1, 2, 3], dtype='f')
array([1.,  2.,  3.], dtype=float32)

>>> np.array([1, 2, 3], dtype='f')
array([1.,  2.,  3.], dtype=float32)

>>> np.array([1, 2, 3], dtype='f')
array([1.,  2.,  3.], dtype=float32)

>>> np.array([1, 2, 3], dtype='f')
array([1.,  2.,  3.], dtype=float32)

>>> np.array([1, 2, 3], dtype='f')
array([1.,  2.,  3.], dtype=float32)

>>> np.array([1, 2, 3], dtype='f')
array([1.,  2.,  3.], dtype=float32)

>>> z.astype(float)                 
array([0.,  1.,  2.])
>>> np.int8(z)
array([0, 1, 2], dtype=int8)

>>> z.astype(float)                 
array([0.,  1.,  2.])
>>> np.int8(z)
array([0, 1, 2], dtype=int8)

>>> z.astype(float)                 
array([0.,  1.,  2.])
>>> np.int8(z)
array([0, 1, 2], dtype=int8)

>>> z.astype(float)                 
array([0.,  1.,  2.])
>>> np.int8(z)
array([0, 1, 2], dtype=int8)

>>> z.astype(float)                 
array([0.,  1.,  2.])
>>> np.int8(z)
array([0, 1, 2], dtype=int8)

>>> z.astype(float)                 
array([0.,  1.,  2.])
>>> np.int8(z)
array([0, 1, 2], dtype=int8)

>>> z.astype(float)                 
array([0.,  1.,  2.])
>>> np.int8(z)
array([0, 1, 2], dtype=int8)

>>> z.astype(float)                 
array([0.,  1.,  2.])
>>> np.int8(z)
array([0, 1, 2], dtype=int8)

>>> z.astype(float)                 
array([0.,  1.,  2.])
>>> np.int8(z)
array([0, 1, 2], dtype=int8)

>>> z.astype(float)                 
array([0.,  1.,  2.])
>>> np.int8(z)
array([0, 1, 2], dtype=int8)

>>> z.dtype
dtype('uint8')

>>> z.dtype
dtype('uint8')

>>> z.dtype
dtype('uint8')

>>> z.dtype
dtype('uint8')

>>> z.dtype
dtype('uint8')

>>> z.dtype
dtype('uint8')

>>> z.dtype
dtype('uint8')

>>> z.dtype
dtype('uint8')

>>> z.dtype
dtype('uint8')

>>> z.dtype
dtype('uint8')

>>> d = np.dtype(int)
>>> d 
dtype('int32')

>>> np.issubdtype(d, np.integer)
True

>>> np.issubdtype(d, np.floating)
False

>>> d = np.dtype(int)
>>> d 
dtype('int32')

>>> np.issubdtype(d, np.integer)
True

>>> np.issubdtype(d, np.floating)
False

>>> d = np.dtype(int)
>>> d 
dtype('int32')

>>> np.issubdtype(d, np.integer)
True

>>> np.issubdtype(d, np.floating)
False

>>> d = np.dtype(int)
>>> d 
dtype('int32')

>>> np.issubdtype(d, np.integer)
True

>>> np.issubdtype(d, np.floating)
False

Vì nhiều trong số này có các định nghĩa phụ thuộc vào nền tảng, một tập hợp các bí danh có kích thước cố định được cung cấp (xem bí danh có kích thước).Sized aliases).

Các loại số Numpy là các trường hợp của các đối tượng

>>> d = np.dtype(int)
>>> d 
dtype('int32')

>>> np.issubdtype(d, np.integer)
True

>>> np.issubdtype(d, np.floating)
False

>>> d = np.dtype(int)
>>> d 
dtype('int32')

>>> np.issubdtype(d, np.integer)
True

>>> np.issubdtype(d, np.floating)
False

>>> d = np.dtype(int)
>>> d 
dtype('int32')

>>> np.issubdtype(d, np.integer)
True

>>> np.issubdtype(d, np.floating)
False

>>> d = np.dtype(int)
>>> d 
dtype('int32')

>>> np.issubdtype(d, np.integer)
True

>>> np.issubdtype(d, np.floating)
False

Các loại nâng cao, không được liệt kê ở trên, được khám phá trong phần các mảng có cấu trúc.Structured arrays.

Có 5 loại số cơ bản đại diện cho booleans (bool), số nguyên (int), số nguyên không dấu (UINT) điểm nổi (float) và phức tạp. Những người có số trong tên của họ cho biết tính bit của loại (nghĩa là cần bao nhiêu bit để biểu diễn một giá trị duy nhất trong bộ nhớ). Một số loại, chẳng hạn như

>>> np.array([1, 2, 3], dtype='f')
array([1.,  2.,  3.], dtype=float32)

>>> d = np.dtype(int)
>>> d 
dtype('int32')

>>> np.issubdtype(d, np.integer)
True

>>> np.issubdtype(d, np.floating)
False

Các loại dữ liệu có thể được sử dụng làm chức năng để chuyển đổi số Python thành các vô hướng mảng (xem phần Vô vô hướng Array để giải thích), Trình tự Python của các số thành các mảng thuộc loại đó hoặc là đối số cho từ khóa DTYPE mà nhiều chức năng hoặc phương thức vô hiệu hóa chấp nhận . Vài ví dụ:

>>> x = np.float32(1.0)
>>> x
1.0
>>> y = np.int_([1,2,4])
>>> y
array([1, 2, 4])
>>> z = np.arange(3, dtype=np.uint8)
>>> z
array([0, 1, 2], dtype=uint8)

Các loại mảng cũng có thể được gọi bằng mã ký tự, chủ yếu là để giữ lại khả năng tương thích ngược với các gói cũ như số. Một số tài liệu vẫn có thể đề cập đến những điều này, ví dụ: ví dụ:

>>> np.array([1, 2, 3], dtype='f')
array([1.,  2.,  3.], dtype=float32)

Chúng tôi khuyên bạn nên sử dụng các đối tượng DTYPE thay thế.

Để chuyển đổi loại mảng, hãy sử dụng phương thức .Arype () (ưu tiên) hoặc loại chính là một hàm. Ví dụ:

>>> z.astype(float)                 
array([0.,  1.,  2.])
>>> np.int8(z)
array([0, 1, 2], dtype=int8)

Lưu ý rằng, ở trên, chúng tôi sử dụng đối tượng Float Python làm DTYPE. Numpy biết rằng

>>> np.array([1, 2, 3], dtype='f')
array([1.,  2.,  3.], dtype=float32)

>>> np.power(100, 8, dtype=np.int64)
10000000000000000
>>> np.power(100, 8, dtype=np.int32)
1874919424

>>> d = np.dtype(int)
>>> d 
dtype('int32')

>>> np.issubdtype(d, np.integer)
True

>>> np.issubdtype(d, np.floating)
False

>>> z.dtype
dtype('uint8')

>>> np.power(100, 8, dtype=np.int64)
10000000000000000
>>> np.power(100, 8, dtype=np.int32)
1874919424

>>> np.power(100, 8, dtype=np.int64)
10000000000000000
>>> np.power(100, 8, dtype=np.int32)
1874919424

>>> np.power(100, 8, dtype=np.int64)
10000000000000000
>>> np.power(100, 8, dtype=np.int32)
1874919424

Để xác định loại mảng, hãy xem thuộc tính DTYPE:

>>> z.dtype
dtype('uint8')

Các đối tượng DTYPE cũng chứa thông tin về loại, chẳng hạn như chiều rộng bit và thứ tự byte của nó. Kiểu dữ liệu cũng có thể được sử dụng gián tiếp cho các thuộc tính truy vấn của loại, chẳng hạn như liệu nó có phải là một số nguyên:

>>> d = np.dtype(int)
>>> d 
dtype('int32')

>>> np.issubdtype(d, np.integer)
True

>>> np.issubdtype(d, np.floating)
False

Mảng vô hướng#

Numpy thường trả về các phần tử của các mảng dưới dạng vô hướng mảng (một vô hướng với DTYPE liên quan). Scalar Array khác với vô hướng Python, nhưng phần lớn chúng có thể được sử dụng thay thế cho nhau (ngoại lệ chính là cho các phiên bản của Python cũ hơn V2.x, trong đó vô hướng mảng số nguyên không thể hoạt động như các chỉ số cho danh sách và bộ dữ liệu). Có một số ngoại lệ, chẳng hạn như khi mã yêu cầu các thuộc tính rất cụ thể của vô hướng hoặc khi nó kiểm tra cụ thể liệu giá trị có phải là vô hướng Python hay không. Nói chung, các vấn đề dễ dàng được khắc phục bằng cách chuyển đổi rõ ràng vô hướng mảng thành vô hướng Python, sử dụng hàm loại python tương ứng (ví dụ:

>>> np.array([1, 2, 3], dtype='f')
array([1.,  2.,  3.], dtype=float32)

>>> z.dtype
dtype('uint8')

>>> np.power(100, 8, dtype=np.int64)
10000000000000000
>>> np.power(100, 8, dtype=np.int32)
1874919424

>>> np.iinfo(int) # Bounds of the default integer on this system.
iinfo(min=-9223372036854775808, max=9223372036854775807, dtype=int64)
>>> np.iinfo(np.int32) # Bounds of a 32-bit integer
iinfo(min=-2147483648, max=2147483647, dtype=int32)
>>> np.iinfo(np.int64) # Bounds of a 64-bit integer
iinfo(min=-9223372036854775808, max=9223372036854775807, dtype=int64)

>>> np.iinfo(int) # Bounds of the default integer on this system.
iinfo(min=-9223372036854775808, max=9223372036854775807, dtype=int64)
>>> np.iinfo(np.int32) # Bounds of a 32-bit integer
iinfo(min=-2147483648, max=2147483647, dtype=int32)
>>> np.iinfo(np.int64) # Bounds of a 64-bit integer
iinfo(min=-9223372036854775808, max=9223372036854775807, dtype=int64)

Ưu điểm chính của việc sử dụng vô hướng mảng là chúng bảo tồn loại mảng (Python có thể không có loại vô hướng phù hợp có sẵn, ví dụ:

>>> np.iinfo(int) # Bounds of the default integer on this system.
iinfo(min=-9223372036854775808, max=9223372036854775807, dtype=int64)
>>> np.iinfo(np.int32) # Bounds of a 32-bit integer
iinfo(min=-2147483648, max=2147483647, dtype=int32)
>>> np.iinfo(np.int64) # Bounds of a 64-bit integer
iinfo(min=-9223372036854775808, max=9223372036854775807, dtype=int64)

Lỗi tràn#

Kích thước cố định của các loại số numpy có thể gây ra lỗi tràn khi giá trị yêu cầu nhiều bộ nhớ hơn có sẵn trong kiểu dữ liệu. Ví dụ,

>>> np.iinfo(int) # Bounds of the default integer on this system.
iinfo(min=-9223372036854775808, max=9223372036854775807, dtype=int64)
>>> np.iinfo(np.int32) # Bounds of a 32-bit integer
iinfo(min=-2147483648, max=2147483647, dtype=int32)
>>> np.iinfo(np.int64) # Bounds of a 64-bit integer
iinfo(min=-9223372036854775808, max=9223372036854775807, dtype=int64)

>>> np.iinfo(int) # Bounds of the default integer on this system.
iinfo(min=-9223372036854775808, max=9223372036854775807, dtype=int64)
>>> np.iinfo(np.int32) # Bounds of a 32-bit integer
iinfo(min=-2147483648, max=2147483647, dtype=int32)
>>> np.iinfo(np.int64) # Bounds of a 64-bit integer
iinfo(min=-9223372036854775808, max=9223372036854775807, dtype=int64)

>>> np.power(100, 8, dtype=np.int64)
10000000000000000
>>> np.power(100, 8, dtype=np.int32)
1874919424

Hành vi của các loại số nguyên numpy và python khác nhau đáng kể đối với tràn số nguyên và có thể gây nhầm lẫn cho người dùng mong đợi các số nguyên numpy sẽ hoạt động tương tự như Python tựa

>>> np.array([1, 2, 3], dtype='f')
array([1.,  2.,  3.], dtype=float32)

>>> np.array([1, 2, 3], dtype='f')
array([1.,  2.,  3.], dtype=float32)

Numpy cung cấp

>>> np.iinfo(int) # Bounds of the default integer on this system.
iinfo(min=-9223372036854775808, max=9223372036854775807, dtype=int64)
>>> np.iinfo(np.int32) # Bounds of a 32-bit integer
iinfo(min=-2147483648, max=2147483647, dtype=int32)
>>> np.iinfo(np.int64) # Bounds of a 64-bit integer
iinfo(min=-9223372036854775808, max=9223372036854775807, dtype=int64)

>>> np.iinfo(int) # Bounds of the default integer on this system.
iinfo(min=-9223372036854775808, max=9223372036854775807, dtype=int64)
>>> np.iinfo(np.int32) # Bounds of a 32-bit integer
iinfo(min=-2147483648, max=2147483647, dtype=int32)
>>> np.iinfo(np.int64) # Bounds of a 64-bit integer
iinfo(min=-9223372036854775808, max=9223372036854775807, dtype=int64)

>>> np.iinfo(int) # Bounds of the default integer on this system.
iinfo(min=-9223372036854775808, max=9223372036854775807, dtype=int64)
>>> np.iinfo(np.int32) # Bounds of a 32-bit integer
iinfo(min=-2147483648, max=2147483647, dtype=int32)
>>> np.iinfo(np.int64) # Bounds of a 64-bit integer
iinfo(min=-9223372036854775808, max=9223372036854775807, dtype=int64)

Nếu số nguyên 64 bit vẫn còn quá nhỏ, kết quả có thể được chuyển đến số điểm nổi. Số điểm nổi cung cấp một phạm vi giá trị lớn hơn, nhưng không chính xác, có thể.

>>> np.power(100, 100, dtype=np.int64) # Incorrect even with 64-bit int
0
>>> np.power(100, 100, dtype=np.float64)
1e+200

Độ chính xác mở rộng#

Số điểm nổi Python, thường là số điểm nổi 64 bit, gần như tương đương với

>>> np.power(100, 100, dtype=np.int64) # Incorrect even with 64-bit int
0
>>> np.power(100, 100, dtype=np.float64)
1e+200

>>> z.dtype
dtype('uint8')

>>> z.dtype
dtype('uint8')

>>> z.dtype
dtype('uint8')

>>> z.dtype
dtype('uint8')

>>> np.power(100, 100, dtype=np.int64) # Incorrect even with 64-bit int
0
>>> np.power(100, 100, dtype=np.float64)
1e+200

>>> np.power(100, 100, dtype=np.int64) # Incorrect even with 64-bit int
0
>>> np.power(100, 100, dtype=np.float64)
1e+200

>>> np.power(100, 100, dtype=np.int64) # Incorrect even with 64-bit int
0
>>> np.power(100, 100, dtype=np.float64)
1e+200

Numpy không cung cấp một DTYPE với độ chính xác cao hơn so với Ciên

>>> z.dtype
dtype('uint8')

>>> np.power(100, 100, dtype=np.int64) # Incorrect even with 64-bit int
0
>>> np.power(100, 100, dtype=np.float64)
1e+200

Để căn chỉnh bộ nhớ hiệu quả,

>>> np.power(100, 100, dtype=np.int64) # Incorrect even with 64-bit int
0
>>> np.power(100, 100, dtype=np.float64)
1e+200

>>> np.power(100, 100, dtype=np.int64) # Incorrect even with 64-bit int
0
>>> np.power(100, 100, dtype=np.float64)
1e+200

>>> np.power(100, 100, dtype=np.int64) # Incorrect even with 64-bit int
0
>>> np.power(100, 100, dtype=np.float64)
1e+200

Được cảnh báo rằng ngay cả khi

>>> np.power(100, 100, dtype=np.int64) # Incorrect even with 64-bit int
0
>>> np.power(100, 100, dtype=np.float64)
1e+200

>>> z.dtype
dtype('uint8')

>>> z.dtype
dtype('uint8')