Скаляры

Python определяет только один тип конкресного класса данных (существует только один целочисленный тип, один тип с плавающей запятой и т. д.). Это может быть удобно в приложениях, которым не нужно учитывать все способы представления данных в компьютере. Однако для научных вычислений часто требуется больший контроль.

В NumPy имеется 24 новых фундаментальных типа Python для описания различных типов скаляров. Эти описатели типов в основном основаны на типах, доступных в языке C, на котором написан CPython, с несколькими дополнительными типами, совместимыми с типами Python.

Массивно-скалярные типы имеют те же атрибуты и методы, что и ndarrays. [1] Это позволяет рассматривать элементы массива частично так же, как массивы, сглаживая острые углы, которые возникают при смешивании скалярных и массивно-операций.

Массивно-скалярные типы находятся в иерархии (см. рисунок ниже) типов данных. Их можно определить, используя эту иерархию: например, isinstance(val, np.generic) вернет True, если val — это объект массивно-скалярного типа. В качестве альтернативы, можно определить, какой именно массивно-скалярный тип присутствует, используя другие члены иерархии типов данных. Таким образом, например, isinstance(val, np.complexfloating) вернет True если val — это комплексный тип, в то время как isinstance(val, np.flexible) вернет true, если val — это один из гибких типов массивов с размером элемента (string, unicode, void).

Рисунок: Иерархия объектов типа, представляющих типы данных массивов. Не показаны два целочисленных типа intp и uintp, которые просто указывают на целочисленный тип, содержащий указатель для платформы. Все числовые типы также могут быть получены с помощью имен ширины разряда.

Встроенные скалярные типы

Встроенные скалярные типы показаны ниже. Наряду с (в основном) именами, полученными от C, целочисленные, плавающие и комплексные типы данных также доступны с использованием соглашения о ширине разряда, чтобы всегда гарантировалось наличие массива нужного размера (например, int8, float64, complex128). Также предоставляются два псевдонима (intp и uintp), указывающие на целочисленный тип, который достаточно большой, чтобы содержать указатель C. Имена в стиле C связаны с кодами символов, которые показаны в таблице. Однако использование кодов символов не рекомендуется.

Некоторые скалярные типы по существу эквивалентны фундаментальным типам Python и поэтому наследуют их, а также от универсального типа массивно-скалярного типа:

Тип bool_ очень похож на Python-тип BooleanType, но не наследует его, потому что Python-тип BooleanType не позволяет наследоваться от себя, и на уровне C размер фактических данных типа bool не совпадает с размером скалярного типа Boolean в Python.

В таблицах ниже platform? означает, что тип может быть недоступен на всех платформах. Совместимость с различными типами C или Python указана: два типа совместимы, если их данные имеют одинаковый размер и интерпретируются одинаково.

Булевы типы:

Целочисленные типы:

Беззнаковые целочисленные типы:

Числа с плавающей запятой:

Комплексные числа с плавающей запятой:

Любой объект Python:

Следующие типы данных flexible. У них нет предопределенного размера: данные, которые они описывают, могут иметь разную длину в разных массивах. (В кодах символов # — целое число, обозначающее количество элементов, из которых состоит тип данных.)

Атрибуты

Объекты скаляров массивов имеют array priority NPY_SCALAR_PRIORITY (-1 000 000.0). У них также (ещё) нет атрибута ctypes. В остальном, они имеют те же атрибуты, что и массивы:

Индексирование

Скаляры массивов могут индексироваться как массивы нулевой размерности: если x — скаляр массива,

• x[()] возвращает 0-мерный ndarray
• x['field-name'] возвращает скаляр массива в поле имя-поля. (x может иметь поля, например, когда он соответствует структурированному типу данных.)

Методы

Скаляры массивов имеют ровно такие же методы, как и массивы. По умолчанию эти методы внутри преобразуют скаляр в эквивалентный массив нулевой размерности и вызывают соответствующий метод массива. Кроме того, математические операции со скалярами массивов определены таким образом, что устанавливаются и используются те же аппаратные флаги для интерпретации результатов, что и для ufunc, поэтому состояние ошибки, используемое для ufunc, также переносится на математические операции со скалярами массивов.

Исключения из вышеуказанных правил приведены ниже:

Определение новых типов

Существует два способа эффективного определения нового типа скаляра массива (кроме составления структурированных типов dtypes из встроенных скалярных типов): Один способ — просто создать подкласс ndarray и перезаписать интересующие методы. Это будет работать в определённой степени, но некоторые действия внутри фиксируются типом данных массива. Чтобы полностью настроить тип данных массива, вам нужно определить новый тип данных и зарегистрировать его в NumPy. Такие новые типы могут быть определены только на языке C, с использованием Numpy C-API.