Скаляры

Python определяет только один тип данных конкресного класса (существует только один тип целых чисел, один тип чисел с плавающей точкой 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 основных типа Python для описания различных типов скаляров. Эти описатели типов в основном основаны на типах языка C, на котором написан CPython, с несколькими дополнительными типами, совместимыми с типами Python.

Скаляры массивов обладают теми же атрибутами и методами, что и ndarrays. [1] Это позволяет рассматривать элементы массива частично так же, как массивы, сглаживая острые углы, которые возникают при смешивании операций со скалярами и массивами.

Скаляры массивов находятся в иерархии (см. рисунок ниже) типов данных. Их можно обнаружить, используя иерархию: например, isinstance(val, np.generic) вернет True, если val — объект скаляра массива. Кроме того, можно определить, какой скаляр массива присутствует, используя другие члены иерархии типов данных. Таким образом, например, isinstance(val, np.complexfloating) вернет True, если val — тип комплексного числа, а isinstance(val, np.flexible) вернет true, если val — один из типов массивов с гибким 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, который хранит указатель для платформы. Все числовые типы также могут быть получены с помощью имен разрядности.

Встроенные скалярные типы

Встроенные скалярные типы показаны ниже. Наряду с их (в основном) именами, полученными от языка C, целые, вещественные и комплексные типы данных также доступны с использованием конвенции разрядности, чтобы всегда гарантировать массив нужного размера (например, int8, float64, complex128). Также предоставляются два псевдонима (intp и uintp). которые указывают на целочисленный тип, достаточно большой, чтобы содержать указатель C. Имена, похожие на C, связаны с кодами символов, которые показаны в таблице. Однако использование кодов символов не рекомендуется.

Некоторые скалярные типы в основном эквивалентны основным типам Python и поэтому наследуют их, а также общий тип скаляра массива:

Тип данных bool_ очень похож на тип Python BooleanType, но не наследуется от него, потому что тип Python BooleanType не позволяет наследоваться от него, а на уровне C размер фактических данных bool не совпадает с размером скаляра булевого типа Python.

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

Булевы:

Целые числа:

Беззнаковые целые числа:

Вещественные числа:

Комплексные вещественные числа:

Любой объект Python:

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

Атрибуты

Объекты скаляров массивов имеют атрибут array priority со значением NPY_SCALAR_PRIORITY (-1 000 000.0). У них также (пока) нет атрибута ctypes. В остальном, они обладают теми же атрибутами, что и массивы:

Индексирование

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

• x[()] возвращает копию скаляра 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 точно такие же методы, что и массивы. По умолчанию эти методы преобразуют скаляр во внутренний эквивалент массива нулевой размерности и вызывают соответствующий метод массива. Кроме того, математические операции со скалярами массивов определены таким образом, чтобы устанавливались и использовались те же флаги аппаратного обеспечения для интерпретации результатов, как и для ufunc, чтобы состояние ошибки, используемое для ufunc, также распространялось 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 типов скаляров): Один способ — просто унаследовать от ndarray и переопределить интересующие методы. Это будет работать до определенной степени, но внутренне определённое поведение фиксируется 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.