Скаляры

Python определяет только один тип данных (существует только один целочисленный тип, один тип 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 существует 24 новых фундаментальных 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.

Массивно-скалярные объекты обладают теми же атрибутами и методами, что и ndarrays. [1] Это позволяет обращаться к элементам массива частично на одном уровне с самими массивами, сглаживая неровности, возникающие при смешивании операций над скалярами и массивами.

Массивно-скалярные объекты 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. Или можно определить, какой именно массивно-скалярный объект присутствует, используя другие члены иерархии типов данных. Таким образом, например, isinstance(val, np.complexfloating) вернёт True , если val — это комплексный тип, а isinstance(val, np.flexible) вернёт true, если val — это один из гибких типов массивов с изменяемым размером (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, содержащий указатель для платформы. Все числовые типы можно получить также с использованием имён, основанных на разрядности.

Встроенные скалярные типы

Ниже приведены встроенные скалярные типы. Наряду с (в основном) именами, полученными из C, целочисленные, вещественные и комплексные типы данных также доступны с использованием конвенции разрядности, чтобы всегда гарантировать массив нужного размера (например, int8, float64, complex128). Также предоставлены два псевдонима (intp и uintp ), указывающие на целочисленный тип, достаточно большой для хранения указателя C. Имена в стиле C связаны с кодами символов, которые показаны в таблице. Однако использование кодов символов не рекомендуется.

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

Тип bool_ очень похож на тип Python BooleanType, но не наследует от него, потому что тип Python BooleanType не допускает наследования, а на уровне C размер фактического булевского значения не такой же, как у булевского скаляра Python.

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

Булевы типы:

Целочисленные типы:

Беззнаковые целочисленные типы:

Вещественные типы:

Комплексные вещественные типы:

Любой объект Python:

Следующие типы данных являются гибкими: у них нет предварительно определённого размера, и 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 NPY_SCALAR_PRIORITY со значением (-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 копию скаляра массива
• x[...] возвращает нульмерный 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 преобразуют скаляр во внутреннее эквивалентное нульмерный массив и вызывают соответствующий метод массива. Кроме того, операции над математическими скалярами массивов определены так, что устанавливаются и используются те же аппаратные флаги для интерпретации результатов, как для ufunc, поэтому состояние ошибки, используемое для ufuncs, также распространяется на математические операции над 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 унаследовать от ndarray и перезаписать интересующие методы. Это будет работать до определенной степени, но внутренне определённые поведения фиксируются типом данных массива. Для полного 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.