淮南矿业集团朱集矿,企业搜,炮灰女配的无限逆袭
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移动技术网。
如对本文有疑问,请在下面进行留言讨论,广大热心网友会与你互动!! 点击进行留言回复
Python爬虫:Request Payload和Form Data的简单区别说明
浅谈Python中threading join和setDaemon用法及区别说明
Python3-异步进程回调函数(callback())介绍
python继承threading.Thread实现有返回值的子类实例
Python中使用threading.Event协调线程的运行详解
网友评论