Скаляры

Python определяет только один тип определенного 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 существует 24 новых базовых 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 отчасти на одном уровне с массивами, сглаживая неровности, возникающие при смешивании скалярных и массивно-ориентированных операций.

Массивно-скалярные типы расположены в иерархии (см. рисунок ниже) типов данных. Их можно обнаружить, используя иерархию: например, isinstance(val, np.generic) вернёт True, если val — это объект массивно-скалярного типа. В качестве альтернативы, можно определить, какой тип массивно-скалярного объекта присутствует, используя другие члены иерархии типов данных. Таким образом, например, isinstance(val, np.complexfloating) вернёт True, если val — тип комплексного числа, в то время как isinstance(val, np.flexible) вернёт true, если val — один из гибких типов массивно-скалярных элементов (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 использованием имён ширины бита.

Встроенные скалярные типы

Встроенные скалярные типы показаны ниже. Наряду с их (в основном) производными от C именами, целочисленные, с плавающей запятой и комплексные типы данных также доступны с использованием конвенции ширины бита, чтобы всегда гарантировать массив нужного размера (например, int8, float64, complex128). Также предоставляются два псевдонима (intp и uintp): они указывают на целочисленный тип, достаточно большой для хранения указателя C.

Типы C-подобных имён ассоциированы с кодами символов, которые показаны в таблице. Однако использование кодов символов не рекомендуется.

Некоторые из скалярных типов по существу эквивалентны основным типам Python и поэтому наследуют от них, а также от общего массивно-скалярного типа:

Тип данных bool_ очень похож на тип Python BooleanType, но не наследуется от него, так как тип Python BooleanType не допускает наследования, а на уровне C размер фактических данных bool не совпадает с размером скалярного булевого значения 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 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. Они не имеют 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 (пока) нет атрибута ctypes. В остальном они имеют те же атрибуты, что и массивы:

Индексирование

Скаляры массивов можно индексировать как нульмерные массивы: если x — скаляр массива,

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

Методы

Скаляры массивов имеют в точности те же методы, что и массивы. По умолчанию эти методы внутри преобразуют скаляр в эквивалентный нульмерный массив и вызывают соответствующий метод массива. Кроме того, математические операции со скалярами массивов определены таким образом, что те же флаги аппаратного обеспечения устанавливаются и используются для интерпретации результатов, как и для ufunc, так что 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 скалярного типа массива (кроме составления структурированных типов dtypes из встроенных скалярных типов): Один способ — просто наследоваться от ndarray и переопределить интересующие методы. Это сработает до некоторой степени, но внутри некоторые поведения определяются типом данных массива. Чтобы полностью настроить тип данных массива, вам нужно определить новый тип данных и зарегистрировать его в NumPy. Такие новые типы можно определить только на C, используя Numpy C-API.