انواع داده در Python
از آنجایی Numpy کتابخانه ایی از Python است بد نیست که مروری بر انواع داده ها در پایتون داشته باشیم.
بصورت کلی پایتون دارای این نوع داده ها است:
| رشته | str |
| اعداد صحیح | int |
| اعداد اعشاری | float |
| برگرداندن True یا False | boolean |
| اعداد مختلط | complex |
انواع داده در Numpy
اکنون که با انواع داده ها در پایتون آشنا شدید باید بدانید نامپای داده های مخصوص خود را دارد که بعضی از آنها با پایتون مشترک مثل بولین و بعضی مخصوص به خودش هست جدول زیر آنها را نوشته ایم:
| عدد صحیح | i |
| بولین | b |
| اعداد بدون اعلامت (مثبت) | u |
| اعداد اعشاری | f |
| اعداد comple اعشاری | c |
| timedelta (محاسبه اختلاف زمانی) | m |
| datetime (برای کار و محاسبه با تاریخ و زمان) | M |
| مدل یا object | O |
| رشته | S |
| یونی کد | U |
| خانه خالی ( void) | V |
بررسی نوع داده ها در Array
در Numpy برای آرایه ها یک ویژگی به نام dType وجود دارد که میتوان با آن نوع داده های آرایه را مشخص کرد.
print(arr.dtype)print(arr.dtype)ساخت Array با نوع داده مشخص
ما از فانکشن ()array استفاده میکنیم برای درست کردن آرایه همچنین میتوانیم به آن آرگومان های مختلف مثل dtype بدهیم که به ما اجازه میدهد تا نوع داده های داخل آرایه را مشخص کنیم.
arr = np.array([1, 2, 3, 4], dtype='S')برای داده های i, u, f, S ,U میتوانید اندازه نیز مشخص کنید.
arr = np.array([1, 2, 3, 4], dtype='i4')چه اتفاقی میوفتد اگر نوع داده در Array تغییر نکند
اگر بخواهید نوع داده های یک آرایه را تغییر بدهید اما نشود شما به Value Error بر میخورید در پایتون این ارور زمانی ایجاد میشود که آرگومان که تابع فرستاده میشود نادرست باشد.
arr = np.array(['a', '2', '3'], dtype='i')تغیر نوع داده یک Array
بهترین روش برای تغییر نوع داده یک آرایه استفاده از متد ()astype هست که یک کپی از آرایه میسازد که میتوانیم با خیال راحت نوع داده های درون آرایه را تغییر دهیم درمثال زیر از نوع داده را از float به int تغییر داده ایم:
