Скаляры

Python определяет только один тип 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 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 добавлением нескольких дополнительных типов, совместимых с типами Python.

Массивные скаляры имеют те же атрибуты и методы, что и ndarrays. [1] Это позволяет рассматривать элементы массива частично на одном уровне с массивами, сглаживая острые углы, возникающие при смешивании операций со скалярами и массивами.

Массивные скаляры находятся в иерархии (см. рисунок ниже) типов данных. Их можно обнаружить, используя иерархию: Например, isinstance(val, np.generic) вернет True , если val является объектом массивного скаляра. В качестве альтернативы, можно определить, какой массивный скаляр присутствует, используя другие члены иерархии типов данных. Таким образом, например, isinstance(val, np.complexfloating) вернет True , если val является комплекснозначным типом, в то время как isinstance(val, np.flexible) вернет true, если val является одним из гибких типов массивов с размером элемента (string, unicode, void).

Рисунок: Иерархия объектов типов, представляющих типы данных массивов. Не показаны два целочисленных типа intp и uintp , которые просто указывают на целочисленный тип, который хранит указатель для платформы. Все числовые типы также могут быть получены с использованием имен разрядности.

Встроенные типы скаляров

Встроенные типы скаляров показаны ниже. Наряду с их (в основном) именами, полученными из C, целочисленные, плавающие и комплексные типы данных также доступны с помощью соглашения о разрядности, чтобы всегда можно было гарантировать массив нужного размера (например, int8, float64, complex128). Также предоставляются два псевдонима (intp и uintp), указывающие на целочисленный тип, который достаточно велик, чтобы содержать указатель C. Имена, похожие на C, связаны с кодами символов, которые показаны в таблице. Однако использование кодов символов не рекомендуется.

Некоторые из типов скаляров по существу эквивалентны фундаментальным типам Python и поэтому наследуют их, а также общий тип массивного скаляра:

Тип bool_ очень похож на тип Python BooleanType, но не наследуется от него, потому что тип Python BooleanType не допускает наследования, а на уровне C размер фактических данных bool не такой, как у скаляра Python Boolean.

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 значения:

Целые числа:

Беззнаковые целые числа:

Числа с плавающей точкой:

Комплексные числа с плавающей точкой:

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 (пока) нет атрибута ctypes. В остальном, они имеют те же атрибуты, что и массивы:

Индексирование

Скаляры массивов могут быть индексированы как массивы 0-мерной 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 те же методы, что и массивы. По умолчанию эти методы преобразуют скаляр в эквивалентный 0-мерный массив и вызывают соответствующий метод массива. Кроме того, математические операции над скалярами массивов определены таким образом, что устанавливаются и используются те же аппаратные флаги, что и для ufunc, так что состояние ошибки, используемое для ufunc, также передаётся к математическим операциям 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 типов скаляров): один способ — просто унаследовать от ndarray и перезаписать интересующие методы. Это будет работать до определённой степени, но внутри NumPy некоторые поведения определяются типом данных массива. Для полной настройки типа данных массива необходимо определить новый тип данных и зарегистрировать его в NumPy. Такие новые типы могут быть определены только на C, используя NumPy C-API.