Numpy数据类型及数组创建01
文章目录
- 1.常量
-
- numpy.nan
- numpy.inf
- numpy.pi
- numpy.e
- 2.数据类型
-
- 常见数据类型
- 创建数据类型
- 数据类型信息
- 3.时间日期和时间增量
-
- datetime64 基础
- datetime64 和 timedelta64 运算
- datetime64 的应用
- 参考图文
1.常量
numpy.nan
1.表示空值。
2.nan = NaN = NAN
【例】两个numpy.nan是不相等的。
import numpy as np
print(np.nan == np.nan) # False
print(np.nan != np.nan) # True
在IDLE里执行失败，在Jupyter Notebook里执行成功
numpy.isnan(x, *args, **kwargs) Test element-wise for NaN and return result as a boolean array.
【例】
import numpy as np
x=np.array([1,1,8,np.nan,10])
print(x)
# [ 1. 1. 8. nan 10.]
y=np.isnan(x)
print(y)
# [False False False True False]
z=np.count_nonzero(y)
print(z) # 1
numpy.inf
表示正无穷大
Inf = inf = infty = Infinity = PINF
【例】
numpy.pi
表示圆周率
import numpy as np
print(np.pi) # 3.141592653589793...
numpy.e
表示自然常数
import numpy as np
print(np.e) # 2.718281828459045...
2.数据类型
常见数据类型
Python 原生的数据类型相对较少， bool、int、float、str等。这在不需要关心数据在计算机中表示的所有方式的应用中是方便的。然而，对于科学计算，通常需要更多的控制。为了加以区分 numpy 在这些类型名称末尾都加了“_”。
下表列举了常用 numpy 基本类型。
| 类型 | 备注 | 说明 |
|---|---|---|
| bool_ = bool8 | 8位 | 布尔类型 |
| int8 = byte | 8位 | 整型 |
| int16 = short | 16位 | 整型 |
| int32 = intc | 32位 | 整型 |
| int_ = int64 = long = int0 = intp | 64位 | 整型 |
| uint8 = ubyte | 8位 | 无符号整型 |
| uint16 = ushort | 16位 | 无符号整型 |
| uint32 = uintc | 32位 | 无符号整型 |
| uint64 = uintp = uint0 = uint | 64位 | 无符号整型 |
| float16 = half | 16位 | 浮点型 |
| float32 = single | 32位 | 浮点型 |
| float_ = float64 = double | 64位 | 浮点型 |
| str_ = unicode_ = str0 = unicode | Unicode 字符串 | |
| datetime64 | 日期时间类型 | |
| timedelta64 | 表示两个时间之间的间隔 |
创建数据类型
numpy的数值类型实际上是dtype对象的实例
class dtype(object):
def __init__(self,obj,align=False,copy=False):
pass
每个内建类型都有一个唯一定义它的字符代码，如下:
| 字符 | 对应类型 | 备注 |
|---|---|---|
| b | boolean | ‘b1’ |
| i | signed integer | ‘i1’, ‘i2’, ‘i4’, ‘i8’ |
| u | unsigned integer | ‘u1’, ‘u2’ ,‘u4’ ,‘u8’ |
| f | floating-point | ‘f2’, ‘f4’, ‘f8’ |
| c | complex floating-point | |
| m | timedelta64 | 表示两个时间之间的间隔 |
| M | datetime64 | 日期时间类型 |
| O | object | |
| S | (byte-)string | S3表示长度为3的字符串 |
| U | Unicode | Unicode 字符串 |
| V | void |
【例】
import numpy as np
a = np.dtype('b1')
print(a.type) # 数据类型信息
Python的浮点数通常是64位浮点数，几乎等同于 np.float64 。
Numpy和Python整数类型的行为在整数溢出方面存在显著差异，与Numpy不同，Python的int 是灵活的。这意味着Python整数可以扩展以容纳任何整数并且不会溢出。
Machine limits for integer types.
class iinfo(object):
def __init__(self,int_type):
pass
def min(self):
pass
def max(self):
pass
【例】
import numpy as np
ii16 = np.iinfo(np.int16)
print(ii16.min) # -32768
print(ii16.max) # 32767
ii32 = np.iinfo(np.int32)
print(ii32.min) # -2147483648
print(ii32.max) # 2147483647
Machine limits for floating point types.
class finfo(object):
def _init(self, dtype):
【例】
import numpy as np
ff16 = np.finfo(np.float16)
print(ff16.bits) # 16
print(ff16.min) # -65500.0
print(ff16.max) # 65500.0
print(ff16.eps) # 0.000977
ff32 = np.finfo(np.float32)
print(ff32.bits) # 32
print(ff32.min) # -3.4028235e+38
print(ff32.max) # 3.4028235e+38
print(ff32.eps) # 1.1920929e-07
3.时间日期和时间增量
datetime64 基础
在 numpy 中，我们很方便的将字符串转换成时间日期类型 datetime64（datetime 已被 python 包含的日期时间库所占用）。
datatime64是带单位的日期时间类型，其单位如下：
| 日期单位 | 代码含义 | 时间单位 | 代码含义 |
|---|---|---|---|
| Y | 年 | h | 小时 |
| M | 月 | m | 分钟 |
| W | 周 | s | 秒 |
| D | 天 | ms | 毫秒 |
| - | - | us | 微秒 |
| - | - | ns | 纳秒 |
| - | - | ps | 皮秒 |
| - | - | fs | 飞秒 |
| - | - | as | 阿托秒 |
1秒 = 1000 毫秒（milliseconds）
1毫秒 = 1000 微秒（microseconds）
【例】从字符串创建datetime64类型时，默认情况下，numpy会根据字符串自动选择对应的单位。
import numpy as np
a=np.datetime64('2021')
print(a.dtype) # datetime64[Y]
a=np.datetime64('2021-03')
print(a.dtype) # datetime64[M]
a=np.datetime64('2021-03-08')
print(a.dtype) # datetime64[D]
a=np.datetime64('2021-03-08 21:09:30')
print(a.dtype) # datetime64[s]
a=np.datetime64('2021-03-08 21:09')
print(a.dtype) # datetime64[m]
a=np.datetime64('2021-03-08 21')
print(a.dtype) # datetime64[h]
【例】从字符串创建 datetime64 类型时，可以强制指定使用的单位。
import numpy as np
a=np.datetime64('2021-03','D')
print(a,a.dtype) # 2021-03-01 datetime64[D]
a=np.datetime64('2021-03','Y')
print(a,a.dtype) # 2021 datetime64[Y]
print(np.datetime64('2021-03')==np.datetime64('2021-03-01')) # True
print(np.datetime64('2021-03')==np.datetime64('2021-03-02')) # False
由上例可以看出，2019-03 和 2019-03-01 所表示的其实是同一个时间。 事实上，如果两个 datetime64 对象具有不同的单位，它们可能仍然代表相同的时刻。并且从较大的单位（如月份）转换为较小的单位（如天数）是安全的。
【例】从字符串创建 datetime64 数组时，如果单位不统一，则一律转化成其中最小的单位。
import numpy as np
a = np.array(['2021-03', '2021-03-08', '2021-03-08 20:00'], dtype='datetime64')
print(a, a.dtype)
#['2021-03-01T00:00' '2021-03-08T00:00' '2021-03-08T20:00'] datetime64[m]
【例】使用arange()创建 datetime64 数组，用于生成日期范围。
import numpy as np
a=np.arange('2021-01','2021-12',dtype='datetime64')
print(a)
print(a.dtype)
a=np.arange('2021-01-01 08:00','2021-01-01 08:10',dtype='datetime64')
print(a)
print(a.dtype)
a=np.arange('2021-01-01','2021-01-05',dtype='datetime64')
print(a)
print(a.dtype)
['2021-01' '2021-02' '2021-03' '2021-04' '2021-05' '2021-06' '2021-07'
'2021-08' '2021-09' '2021-10' '2021-11']
datetime64[M]
['2021-01-01T08:00' '2021-01-01T08:01' '2021-01-01T08:02'
'2021-01-01T08:03' '2021-01-01T08:04' '2021-01-01T08:05'
'2021-01-01T08:06' '2021-01-01T08:07' '2021-01-01T08:08'
'2021-01-01T08:09']
datetime64[m]
['2021-01-01' '2021-01-02' '2021-01-03' '2021-01-04']
datetime64[D]
datetime64 和 timedelta64 运算
【例】timedelta64 表示两个 datetime64 之间的差。timedelta64 也是带单位的，并且和相减运算中的两个 datetime64 中的较小的单位保持一致。
import numpy as np
a = np.datetime64('2021-03-08') - np.datetime64('2021-03-07')
b = np.datetime64('2021-03-08') - np.datetime64('2021-03-07 08:00')
c = np.datetime64('2021-03-08') - np.datetime64('2021-03-07 23:00', 'D')
print(a, a.dtype) # 1 days timedelta64[D]
print(b, b.dtype) # 960 minutes timedelta64[m]
print(c, c.dtype) # 1 days timedelta64[D]
a = np.datetime64('2021-03') + np.timedelta64(20, 'D')
b = np.datetime64('2021-03-08 00:00') + np.timedelta64(12, 'h')
print(a, a.dtype) # 2021-03-21 datetime64[D]
print(b, b.dtype) # 2021-03-08T12:00 datetime64[m]
【例】生成 timedelta64时，要注意年（‘Y’）和月（‘M’）这两个单位无法和其它单位进行运算（一年有几天？一个月有几个小时？这些都是不确定的）。
import numpy as np
a=np.timedelta64(1,'Y')
b=np.timedelta64(a,'M')
print(a) # 1 years
print(b) # 12 months
c=np.timedelta64(1,'h')
d=np.timedelta64(c,'m')
print(c) # 1 hours
print(d) # 60 minutes
print(np.timedelta64(a,'D'))
# TypeError: Cannot cast NumPy timedelta64 scalar from metadata [Y] to [D] according to the rule 'same_kind'
print(np.timedelta64(b,'D'))
# TypeError: Cannot cast NumPy timedelta64 scalar from metadata [M] to [D] according to the rule 'same_kind'
【例】timedelta64 的运算。
import numpy as np
a=np.timedelta64(1,'Y')
b=np.timedelta64(6,'M')
c=np.timedelta64(1,'W')
d=np.timedelta64(1,'D')
e=np.timedelta64(10,'D')
print(a) # 1 years
print(b) # 6 months
print(a + b) # 18 months
print(a - b) # 6 months
print(2 * a) # 2 years
print(a / b) # 2.0
print(c / d) # 7.0
print(c % e) # 7 days
【例】 numpy.datetime64 与 datetime.datetime 相互转换
import numpy as np
import datetime
dt=datetime.datetime(year=2021,month=3,day=8,hour=21,minute=10,second=30)
dt64=np.datetime64(dt,'s')
print(dt64,dt64.dtype)
# 2021-03-08T21:10:30 datetime64[s]
dt2=dt64.astype(datetime.datetime)
print(dt2,type(dt2))
# 2021-03-08 21:10:30 datetime64 的应用
为了允许在只有一周中某些日子有效的上下文中使用日期时间，NumPy包含一组“busday”（工作日）功能。
- numpy.busday_offset(dates, offsets, roll=‘raise’, weekmask=‘1111100’, holidays=None, busdaycal=None, out=None) First adjusts the date to fall on a valid day according to the roll rule, then applies offsets to the given dates counted in valid days.
参数roll：{‘raise’, ‘nat’, ‘forward’, ‘following’, ‘backward’, ‘preceding’, ‘modifiedfollowing’, ‘modifiedpreceding’}
- ‘raise’ means to raise an exception for an invalid day.
- ‘nat’ means to return a NaT (not-a-time) for an invalid day.
- ‘forward’ and ‘following’ mean to take the first valid day later in time.
- ‘backward’ and ‘preceding’ mean to take the first valid day earlier in time.
【例】将指定的偏移量应用于工作日，单位天（‘D’）。计算下一个工作日，如果当前日期为非工作日，默认报错。可以指定 forward 或 backward 规则来避免报错。（一个是向前取第一个有效的工作日，一个是向后取第一个有效的工作日）
import numpy as np
# 2020-07-10 星期五
a = np.busday_offset('2020-07-10', offsets=1)
print(a) # 2020-07-13
a = np.busday_offset('2020-07-11', offsets=1)
print(a)
# ValueError: Non-business day date in busday_offset
a = np.busday_offset('2020-07-11', offsets=0, roll='forward')
b = np.busday_offset('2020-07-11', offsets=0, roll='backward')
print(a) # 2020-07-13
print(b) # 2020-07-10
a = np.busday_offset('2020-07-11', offsets=1, roll='forward')
b = np.busday_offset('2020-07-11', offsets=1, roll='backward')
print(a) # 2020-07-14
print(b) # 2020-07-13
可以指定偏移量为 0 来获取当前日期向前或向后最近的工作日，当然，如果当前日期本身就是工作日，则直接返回当前日期。
numpy.is_busday(dates, weekmask=‘1111100’, holidays=None, busdaycal=None, out=None) Calculates which of the given dates are valid days, and which are not.
【例】返回指定日期是否是工作日。
import numpy as np
# 2020-07-10 星期五
a = np.is_busday('2020-07-10')
b = np.is_busday('2020-07-11')
print(a) # True
print(b) # False
【例】统计一个 datetime64[D] 数组中的工作日天数。
import numpy as np
# 2020-07-10 星期五
begindates = np.datetime64('2020-07-10')
enddates = np.datetime64('2020-07-20')
a = np.arange(begindates, enddates, dtype='datetime64')
b = np.count_nonzero(np.is_busday(a))
print(a)
# ['2020-07-10' '2020-07-11' '2020-07-12' '2020-07-13' '2020-07-14'
# '2020-07-15' '2020-07-16' '2020-07-17' '2020-07-18' '2020-07-19']
print(b) # 6
【例】自定义周掩码值，即指定一周中哪些星期是工作日。
import numpy as np
# 2020-07-10 星期五
a = np.is_busday('2020-07-10', weekmask=[1, 1, 1, 1, 1, 0, 0])
b = np.is_busday('2020-07-10', weekmask=[1, 1, 1, 1, 0, 0, 1])
print(a) # True
print(b) # False
numpy.busday_count(begindates, enddates, weekmask=‘1111100’, holidays=[], busdaycal=None, out=None)Counts the number of valid days between begindates and enddates, not including the day of enddates.
【例】返回两个日期之间的工作日数量。
import numpy as np
# 2020-07-10 星期五
begindates = np.datetime64('2020-07-10')
enddates = np.datetime64('2020-07-20')
a = np.busday_count(begindates, enddates)
b = np.busday_count(enddates, begindates)
print(a) # 6
print(b) # -6
参考图文
- https://www.jianshu.com/p/336cd77d9914
- https://www.cnblogs.com/gl1573/p/10549547.html#h2datetime64
- https://www.numpy.org.cn/reference/arrays/datetime.html#%E6%97%A5%E6%9C%9F%E6%97%B6%E9%97%B4%E5%8D%95%E4%BD%8D