Скаляры

Python определяет только один тип данных определённого класса (есть только один тип целых чисел, один тип чисел с плавающей точкой и т. д.). Это может быть удобно в приложениях, которым не нужно беспокоиться обо всех способах представления данных в компьютере. Однако для научных вычислений часто требуется больший контроль.

В NumPy имеется 24 новых основных 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.

Скаляры массивов имеют те же атрибуты и методы, что и ndarrays. [1] Это позволяет частично рассматривать элементы массива как массивы, сглаживая неровности, возникающие при смешивании скалярных и массивов операций.

Скаляры массивов находятся в иерархии (см. рисунок ниже) типов данных. Их можно обнаружить, используя иерархию: например, isinstance(val, np.generic) вернёт 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) вернёт True, если val — комплексный тип, а isinstance(val, np.flexible) вернёт true, если val — один из гибких типов массивов с размером элементов (string, unicode, void).

Рисунок: Иерархия объектов типов, представляющих типы данных массива. Не показаны два целочисленных типа intp и uintp, которые просто указывают на целочисленный тип, который содержит указатель для платформы. Все числовые типы также можно получить, используя имена разрядности.

Встроенные скалярные типы

Встроенные скалярные типы показаны ниже. Наряду с их (в основном) именами, полученными от C, целочисленные, числовые с плавающей точкой и комплексные типы данных также доступны с использованием соглашения о разрядности, чтобы всегда гарантировался массив нужного размера (например, int8, float64, complex128). Также предоставляются два псевдонима (intp и uintp), указывающие на целочисленный тип, 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 основным типам Python и, следовательно, наследуют их, а также общий тип скаляра массива:

Тип данных bool_ очень похож на Python BooleanType, но не наследуется от него, потому что Python BooleanType не позволяет себя наследовать, а на уровне C размер фактических данных bool не совпадает со скалярным типом 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:

Целые числа:

Беззнаковые целые числа:

Числа с плавающей точкой:

Комплексные числа с плавающей точкой:

Любой объект Python:

Следующие типы данных являются гибкими. У них нет предопределённого 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 атрибут array priority значения NPY_SCALAR_PRIORITY (-1 000 000.0). У них также (пока) нет атрибута ctypes. В противном случае они имеют те же атрибуты, что и массивы:

Индексирование

Скаляры массивов можно индексировать 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, как и массивы. По умолчанию эти методы выполняют внутреннее преобразование скаляра в эквивалентный массив нулевой размерности и вызов соответствующего метода массива. Кроме того, операции с математическими скалярами массивов определены таким образом, что устанавливаются и используются те же флаги аппаратного обеспечения для интерпретации результатов, что 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 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 определённой степени, но внутренне некоторые поведения фиксируются типом данных массива. Для полной настройки типа данных массива необходимо определить новый тип данных и зарегистрировать его в NumPy. Такие новые типы можно определять только на C, используя NumPy C-API.