آموزش نوع داده‌ها در NumPy

پایتون به طور پیش‌فرض از نوع داده‌های زیر برخوردار است:

• strings : از این نوع داده برای نشان دادن داده‌های متنی(text) استفاده می‌شود. این متن باید در داخل یک جفت کوتیشن(علامت نقل قول) قرار داشته باشد. مثل "ABCD".
• integer : از این نوع داده برای نشان دادن اعداد صحیح استفاده می‌شود. مانند -1 و -2 و -3. 
• float : از این نوع داده برای نشان دادن اعداد حقیقی استفاده می‌شود. مانند 1.2 و 42.5 .
• boolean : از این نوع داده برای نشان دادن مقادیر True یا Flase استفاده می‌شود.
• complex : از این نوع داده برای نشان دادن اعداد مختلط(complex) استفاده می‌شود. مانند 1.0 + 2.0j و 1.5 + 2.5j . 

نوعِ داده‌ها در NumPy

NumPy چند نوعِ داده‌ی اضافه دارد و با یک کاراکتر تکی، به نوعِ داده‌ها اشاره می‌کند؛ مثلاً از i برای اشاره به integers و از u برای اشاره به unsigned integers استفاده می‌کند و همین طور الی آخر. 

در زیر، لیستی از تمام نوع داده‌های NumPy و کاراکترهایی که به آنها اشاره می‌کنند نشان داده شده است. 

• i - integer (عدد صحیح)
• b - boolean (بولین)
• u - unsigned integer
• f - float (عدد ممیز شناور)
• c - complex float
• m - timedelta
• M - datetime
• O - object (آبجکت)
• S - string (رشته)
• U - unicode string (رشته یونیکد)
• V - fixed chunk of memory for other type ( void )

بررسی نوعِ داده‌ی یک آرایه

آبجکت array در NumPy یک پروپرتی به نام dtype دارد که نوعِ داده‌ی آرایه را برمی‌گرداند:

import numpy as np

arr = np.array([1, 2, 3, 4])

print(arr.dtype)

int64

import numpy as np

arr = np.array(['apple', 'banana', 'cherry'])

print(arr.dtype)

<U6

ایجاد آرایه‌ها با یک نوعِ داده‌ی تعریف شده

ما از تابع array() برای ایجاد آرایه‌ها استفاده می‌کنیم، این تابع می‌تواند یک آرگومان اختیاری به نام dtype داشته باشد که به ما امکان می‌دهد تا نوعِ داده‌یِ موردِ انتظارِ عناصرِ آرایه را تعریف کنیم:

import numpy as np

arr = np.array([1, 2, 3, 4], dtype='S')

print(arr)
print(arr.dtype)

[b'1' b'2' b'3' b'4']
|S1

ما می‌توانیم برای نوع‌های داده‌ی i و u و f و S و U ، سایز(size) را نیز مشخص کنیم:

import numpy as np

arr = np.array([1, 2, 3, 4], dtype='i4')

print(arr)
print(arr.dtype)

[1 2 3 4]
int32

اگر یک مقدار نتواند تبدیل(Converted) شود چه کاری باید انجام دهیم؟

اگر یک نوعِ داده داشته باشیم که عناصر آن نتوانند تغییر نوع(cast) داده شوند، آنگاه NumPy یک خطای ValueError را صادر خواهد کرد. 

خطای ValueError: در زبان برنامه نویسی پایتون، خطای ValueError وقتی رخ می‌دهد که نوعِ آرگومان پاس داده شده به یک تابع، غیرمنتظره یا نادرست باشد. 

import numpy as np

arr = np.array(['a', '2', '3'], dtype='i')

Traceback (most recent call last):
  File "./prog.py", line 3, in 
ValueError: invalid literal for int() with base 10: 'a'

تبدیل نوعِ داده در آرایه‌های موجود

بهترین راه برای تغییر دادنِ نوعِ داده‌ی یک آرایه‌ی موجود، این است که با استفاده از متد astype() یک کپی از این آرایه ایجاد کنیم. متد astype() از آرایه‌ی مورد نظر یک کپی ایجاد می‌کند و به ما امکان می‌دهد تا نوعِ داده‌ی مورد نظر را بعنوان یک پارامتر مشخص کنیم. نوعِ داده‌ای که گفتیم، را می‌توانیم با استفاده از یک رشته مانند 'f' برای float (عدد ممیز شناور) یا 'i' برای integer(عدد صحیح) یا غیره، مشخص کنیم. یا می‌توانیم نوعِ داده‌ی مورد نظر را مستقیماً با نوشتن float برای اعداد ممیز شناور و int برای اعداد صحیح(integer) مشخص کنیم. 

import numpy as np

arr = np.array([1.1, 2.1, 3.1])

newarr = arr.astype('i')

print(newarr)
print(newarr.dtype)

[1 2 3]
int32

import numpy as np

arr = np.array([1.1, 2.1, 3.1])

newarr = arr.astype(int)

print(newarr)
print(newarr.dtype)

[1 2 3]
int64

import numpy as np

arr = np.array([1, 0, 3])

newarr = arr.astype(bool)

print(newarr)
print(newarr.dtype)

[ True False True]
bool

منبع: www.w3schools.com/python/numpy