Скаляры

Python определяет только один тип данных определённого класса (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, 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 рассматривать элементы массива частично на одном уровне с массивами, сглаживая острые углы, 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. В качестве альтернативы, можно определить тип присутствующего скаляра массива, используя другие члены иерархии типов данных. Таким образом, например, isinstance(val, np.complexfloating) вернёт True, если val — тип комплексного значения, а isinstance(val, np.flexible) вернёт true, если val — один из типов массивов с гибким размером элементов (str_, bytes_, void).

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

1

Однако скаляры массивов неизменяемы, поэтому ни один из атрибутов скаляра массива не может быть изменён.

Встроенные типы скаляров

Встроенные типы скаляров показаны ниже. Имена в стиле C связаны с кодами символов, которые показаны в их описаниях. Однако использование кодов символов не рекомендуется.

Некоторые типы скаляров по существу эквивалентны фундаментальным типам Python и поэтому наследуют их, а также общий тип скаляра массива:

Тип данных bool_ очень похож на Python bool, но не наследуется от него, потому что Python bool не позволяет наследоваться от себя, а на уровне C размер фактических данных bool не такой же, как у скалярного значения Python Boolean.

class numpy.generic [source]

Базовый класс для типов NumPy скаляров.

Класс, от которого происходят большинство (все?) типов скаляров NumPy. Для согласованности, экспонирует тот же API, что и ndarray, несмотря на то, что многие последующие атрибуты являются либо «только для чтения», либо совершенно нерелевантными. Это класс, от которого, по всей видимости, пользователи должны наследовать пользовательские типы скаляров.

class numpy.number [source]

Абстрактный базовый класс всех числовых типов скаляров.

Целочисленные типы

class numpy.integer [source]

Абстрактный базовый класс всех целочисленных типов скаляров.

Типы целых со знаком

class numpy.signedinteger [source]

Абстрактный базовый класс всех целочисленных типов скаляров со знаком.

class numpy.byte [source]

Целочисленный тип со знаком, совместимый с C char.

Код символа

'b'

Псевдоним на этой платформе

numpy.int8: 8-битное целое со знаком (-128 до 127).

class numpy.short [source]

Целочисленный тип со знаком, совместимый с C short.

Код символа

'h'

Псевдоним на этой платформе

numpy.int16: 16-битное целое со знаком (-32_768 до 32_767).

class numpy.intc [source]

Целочисленный тип со знаком, совместимый с C int.

Код символа

'i'

Псевдоним на этой платформе

numpy.int32: 32-битное целое со знаком (-2_147_483_648 до 2_147_483_647).

class numpy.int_ [source]

Целочисленный тип со знаком, совместимый с Python int и C long.

Код символа

'l'

Псевдоним на этой платформе

numpy.int64: 64-битное целое со знаком (-9_223_372_036_854_775_808 до 9_223_372_036_854_775_807).

Псевдоним на этой платформе

numpy.intp: Целое со знаком, достаточно большое, чтобы вместить указатель, совместимый с C intptr_t.

class numpy.longlong [source]

Целочисленный тип со знаком, совместимый с C long long.

Код символа

'q'

Целочисленные типы без знака

class numpy.unsignedinteger [source]

Абстрактный базовый класс всех целочисленных скалярных типов без знака.

class numpy.ubyte [source]

Целочисленный тип без знака, совместимый с C unsigned char.

Код символа

'B'

Псевдоним на этой платформе

numpy.uint8: 8-битное целое без знака (0 до 255).

class numpy.ushort [source]

Целочисленный тип без знака, совместимый с C unsigned short.

Код символа

'H'

Псевдоним на этой платформе

numpy.uint16: 16-битное целое без знака (0 до 65_535).

class numpy.uintc [source]

Целочисленный тип без знака, совместимый с C unsigned int.

Код символа

'I'

Псевдоним на этой платформе

numpy.uint32: 32-битное целое без знака (0 до 4_294_967_295).

class numpy.uint [source]

Целочисленный тип без знака, совместимый с C unsigned long.

Код символа

'L'

Псевдоним на этой платформе

numpy.uint64: 64-битное целое без знака (0 до 18_446_744_073_709_551_615).

Псевдоним на этой платформе

numpy.uintp: Целое без знака, достаточно большое, чтобы вместить указатель, совместимый с C uintptr_t.

class numpy.ulonglong [source]

Целочисленный тип со знаком, совместимый с C unsigned long long.

Код символа

'Q'

Вещественные типы

class numpy.inexact [source]

Абстрактный базовый класс всех числовых скалярных типов с (возможно) неточным представлением значений в их диапазоне, таких как числа с плавающей точкой.

Типы с плавающей точкой

class numpy.floating [source]

Абстрактный базовый класс всех скалярных типов с плавающей точкой.

class numpy.half [source]

Тип числа с плавающей точкой половинной точности.

Код символа

'e'

Псевдоним на этой платформе

numpy.float16: тип числа с плавающей точкой 16-битной точности: бит знака, 5 бит экспоненты, 10 бит мантиссы.

class numpy.single [source]

Тип числа с плавающей точкой одинарной точности, совместимый с C float.

Код символа

'f'

Псевдоним на этой платформе

numpy.float32: тип числа с плавающей точкой 32-битной точности: бит знака, 8 бит экспоненты, 23 бита мантиссы.

class numpy.double [source]

Тип числа с плавающей точкой двойной точности, совместимый с Python float и C double.

Код символа

'd'

Псевдоним

numpy.float_

Псевдоним на этой платформе

numpy.float64: тип числа с плавающей точкой 64-битной точности: бит знака, 11 бит экспоненты, 52 бита мантиссы.

class numpy.longdouble [source]

Тип числа с плавающей точкой расширенной точности, совместимый с C long double , но не обязательно с IEEE 754 четверной точности.

Код символа

'g'

Псевдоним

numpy.longfloat

Псевдоним на этой платформе

numpy.float128: тип числа с плавающей точкой расширенной 128-битной точности.

Комплексные типы с плавающей точкой

class numpy.complexfloating [source]

Абстрактный базовый класс всех скалярных типов комплексных чисел, состоящих из чисел с плавающей точкой.

class numpy.csingle [source]

Тип комплексного числа, состоящий из двух чисел с плавающей точкой одинарной точности.

Код символа

'F'

Псевдоним

numpy.singlecomplex

Псевдоним на этой платформе

numpy.complex64: Тип комплексного числа, состоящий из 2 чисел с плавающей точкой 32-битной точности.

class numpy.cdouble [source]

Тип комплексного числа, составленный из двух чисел с плавающей точкой двойной точности, совместимый с Python complex.

Код символа

'D'

Псевдоним

numpy.cfloat

Псевдоним

numpy.complex_

Псевдоним на этой платформе

numpy.complex128: Тип комплексного числа, составленный из 2 чисел с плавающей точкой 64-битной точности.

class numpy.clongdouble [source]

Тип комплексного числа, составленный из двух чисел с плавающей точкой расширенной точности.

Код символа

'G'

Псевдоним

numpy.clongfloat

Псевдоним

numpy.longcomplex

Псевдоним на этой платформе

numpy.complex256: Тип комплексного числа, составленный из 2 чисел с плавающей точкой 128-битной расширенной точности.

Другие типы

class numpy.bool_ [source]

Булевый тип (True или False), хранится как байт.

Предупреждение

Тип bool_ не является подклассом типа int_ (тип bool_ даже не является числовым типом). Это отличается от стандартной реализации Python bool в качестве подкласса int.

Код символа

'?'

Псевдоним

numpy.bool8

class numpy.datetime64 [source]

Дата и время, хранящиеся как 64-битное целое число, отсчитываемое от 1970-01-01T00:00:00.

>>> np.datetime64(10, 'Y')
numpy.datetime64('1980')
>>> np.datetime64(10, 'D')
numpy.datetime64('1970-01-11')

См. Даты и временные интервалы для получения дополнительной информации.

Код символа

'M'

class numpy.timedelta64 [source]

Временной интервал, хранящийся как 64-битное целое число.

См. Даты и временные интервалы для получения дополнительной информации.

Код символа

'm'

class numpy.object_ [source]

Любой объект Python.

Код символа

'O'

Следующие типы данных являются гибкими: у них нет предварительно определенного размера, и данные, которые они описывают, могут иметь различную длину в различных массивах. (В кодах символов # — целое число, обозначающее количество элементов, из которых состоит тип данных.)

class numpy.flexible [source]

Абстрактный базовый класс всех типов скаляров без предварительно определенной длины. Фактический размер этих типов зависит от конкретной np.dtype инстанциации.

class numpy.bytes_ [source]

Строка байтов.

При использовании в массивах этот тип удаляет завершающие нулевые байты.

Код символа

'S'

Псевдоним

numpy.string_

class numpy.str_ [source]

Строка Юникод.

При использовании в массивах этот тип удаляет завершающие нулевые кодовые точки.

В отличие от встроенной str, это поддерживает Протокол буфера, экспонируя его содержимое как UCS4:

>>> m = memoryview(np.str_("abc"))
>>> m.format
'3w'
>>> m.tobytes()
b'a\x00\x00\x00b\x00\x00\x00c\x00\x00\x00'

Код символа

'U'

Псевдоним

numpy.unicode_

class numpy.void [source]

Либо непрозрачная последовательность байтов, либо структура.

>>> np.void(b'abcd')
void(b'\x61\x62\x63\x64')

Скаляры структурированных void могут быть созданы только путем извлечения из Структурированных массивов:

>>> arr = np.array((1, 2), dtype=[('x', np.int8), ('y', np.int8)])
>>> arr[()]
(1, 2)  # looks like a tuple, but is `np.void`

Код символа

'V'

Псевдонимы фиксированного размера

Вместе с их (в основном) производными от C именами, целочисленные, вещественные и комплексные типы данных также доступны с использованием соглашения о ширине бита, чтобы всегда гарантировать массив нужного размера. Также предоставляются два псевдонима (numpy.intp и numpy.uintp), указывающие на целочисленный тип, достаточно большой для хранения указателя C.

numpy.bool8 [source]

Псевдоним numpy.bool_

numpy.int8 [source]

numpy.int16

numpy.int32

numpy.int64

Псевдонимы для целых типов со знаком (один из numpy.byte, numpy.short, numpy.intc, numpy.int_ и numpy.longlong) с указанным количеством бит.

Совместимы со спецификацией C99 int8_t, int16_t, int32_t, и int64_t, соответственно.

numpy.uint8 [source]

numpy.uint16

numpy.uint32

numpy.uint64

Псевдоним для беззнаковых целых типов (один из numpy.byte, numpy.short, numpy.intc, numpy.int_ и numpy.longlong) с указанным количеством бит.

Совместимы со спецификацией C99 uint8_t, uint16_t, uint32_t, и uint64_t, соответственно.

numpy.intp [source]

Псевдоним для целого типа со знаком (один из numpy.byte, numpy.short, numpy.intc, numpy.int_ и np.longlong) размером с указатель.

Совместим со спецификацией C intptr_t.

Код символа

'p'

numpy.uintp [source]

Псевдоним для беззнакового целого типа (один из numpy.byte, numpy.short, numpy.intc, numpy.int_ и np.longlong) размером с указатель.

Совместим со спецификацией C uintptr_t.

Код символа

'P'

numpy.float16 [source]

Псевдоним numpy.half

numpy.float32 [source]

Псевдоним numpy.single

numpy.float64 [source]

Псевдоним numpy.double

numpy.float96

numpy.float128 [source]

Псевдоним numpy.longdouble, название по размеру в битах. Существование этих псевдонимов зависит от платформы.

numpy.complex64 [source]

Псевдоним numpy.csingle

numpy.complex128 [source]

Псевдоним numpy.cdouble

numpy.complex192

numpy.complex256 [source]

Псевдоним numpy.clongdouble, название по размеру в битах. Существование этих псевдонимов зависит от платформы.

Другие псевдонимы

Первые два из них – удобные псевдонимы, похожие по названию на встроенные типы, аналогично bool_, int_, str_, bytes_ и object_:

numpy.float_ [source]

Псевдоним numpy.double

numpy.complex_ [source]

Псевдоним numpy.cdouble

Некоторые другие используют альтернативную систему именования для расширенных типов чисел с плавающей запятой и комплексных чисел:

numpy.longfloat [source]

Псевдоним numpy.longdouble

numpy.singlecomplex [source]

Псевдоним numpy.csingle

numpy.cfloat [source]

Псевдоним numpy.cdouble

numpy.longcomplex [source]

Псевдоним numpy.clongdouble

numpy.clongfloat [source]

Псевдоним numpy.clongdouble

Следующие псевдонимы происходят из Python 2, и рекомендуется не использовать их в новом коде.

numpy.string_ [source]

Псевдоним numpy.bytes_

numpy.unicode_ [source]

Псевдоним numpy.str_

Атрибуты

Массивные скалярные объекты имеют array priority значение 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

Массивные скаляры можно индексировать как массивы нулевой размерности: если x — массивный скаляр,

• x[()] возвращает копию массивного скаляра
• x[...] возвращает массив нулевой размерности ndarray
• x['field-name'] возвращает массивный скаляр в поле имя_поля. (x может иметь поля, например, при соответствии структурированному типу данных.)

Методы

Массивные скаляры имеют ровно те же методы, что и массивы. По умолчанию эти методы выполняют внутреннюю конвертацию скаляра в эквивалентный массив нулевой размерности и вызывают соответствующий метод массива. Кроме того, математические операции над массивными скалярами определяются таким образом, что устанавливаются и используются те же аппаратные флаги, что и при интерпретации результатов для ufunc, поэтому состояние ошибок, используемое для ufunc, также распространяется на математические операции над массивными скалярами.

Исключения из вышеупомянутых правил приведены ниже:

Определение новых типов

Существует два способа эффективного определения нового типа массивного скаляра (кроме построения структурированных типов dtypes из встроенных скалярных типов): Один способ — просто унаследовать от ndarray и переопределить интересующие методы. Это будет работать до определенной степени, но внутренние особенности определяются типом данных массива. Для полной настройки типа данных массива необходимо определить новый тип данных и зарегистрировать его в NumPy. Такие новые типы можно определить только на C, используя NumPy C-API.