.dtype은 무엇을합니까?

Question

필자는 파이썬을 처음 사용하고 있으며 .dtype의 기능을 이해하지 못합니다. 예를 들어

>>> aa 
array([1, 2, 3, 4, 5, 6, 7, 8]) 
>>> aa.dtype = "float64" 
>>> aa 
array([ 4.24399158e-314, 8.48798317e-314, 1.27319747e-313, 
    1.69759663e-313]) 

난, DTYPE는 INT되어야 AA의 속성이며, I는 aa.dtype = "float64"을 할당하면 다음 단 배열 ([1.0, 2.0, 3.0, 4.0이되어야 생각 5.0, 6.0, 7.0, 8.0]).

왜 값과 크기가 변경됩니까? 무슨 뜻이에요?

는 실제로 코드 파이스 동전에서 배우는, 그리고 난 여기에 붙여 넣기한다

def to_1d(array): 
"""prepares an array into a 1d real vector""" 
    a = array.copy() # copy the array, to avoid changing global 
    orig_dtype = a.dtype 
    a.dtype = "float64" # this doubles the size of array 
    orig_shape = a.shape 
    return a.ravel(), (orig_dtype, orig_shape) #flatten and return 

내가 그것을 입력 배열의 값을 변경할 수 있지만 그 크기를 변경 야해 생각합니다. 함수가 어떻게 동작하는지 혼동한다.

Answer 1

첫째, 당신이 학습하고있는 코드가 결함이있다. 원래 작성자가 코드의 주석을 기반으로 생각한 것을 거의 확실하게 수행하지 않습니다. 저자는 아마 무엇을 의미

이

이 있었다 : array 항상 복잡한 숫자의 배열이 될 것입니다 경우, 그러나

def to_1d(array): 
    """prepares an array into a 1d real vector""" 
    return array.astype(np.float64).ravel() 

, 다음 원래 코드는 몇 가지 의미가 있습니다.

어레이보고는 복소 배열 (numpy.complex128) 또는 128 비트의 부동 소수점 어레이의 경우 그 크기가 두 배로 것 (a.dtype = 'float64'하는 a = a.view('float64') 일에 상당) 만 케이스. 다른 dtype의 경우에는별로 의미가 없습니다.

복잡한 경우 배열의 경우 원래 코드는 np.array([0.5+1j, 9.0+1.33j])을 np.array([0.5, 1.0, 9.0, 1.33])으로 변환합니다.

작성하는 청소기 방법이 그 것이다 :

이

def complex_to_iterleaved_real(array): 
    """prepares a complex array into an "interleaved" 1d real vector""" 
    return array.copy().view('float64').ravel() 

(나는 순간, 원래 DTYPE와 모양을 반환에 대한 부분을 무시하고 있습니다.) NumPy와에

---

배경 배열

여기에 무슨 일이 일어나고 있는지 설명하려면 numpy 배열이 무엇인지 조금 이해해야합니다.

numpy 배열은 "views"를 통해 배열로 해석되는 "원시"메모리 버퍼로 구성됩니다. 모든 numpy 배열을 뷰로 생각할 수 있습니다.

Views는 numpy 의미로 복사하지 않고 동일한 메모리 버퍼를 슬라이싱 및 다이 싱하는 다른 방법 일뿐입니다.

보기에는 모양, 데이터 유형 (dtype), 오프셋 및 스트라이드가 있습니다. 가능한 경우 numpy 배열에서 인덱싱/다시 형성 작업을 수행하면 원래 메모리 버퍼의 뷰가 반환됩니다.

즉, y = x.T 또는 y = x[::2]과 같은 것은 여분의 메모리를 사용하지 않으며 x 사본을 만들지 않습니다.

그래서 우리는 이와 유사한 배열이있는 경우 :

import numpy as np 
x = np.array([1,2,3,4,5,6,7,8,9,10]) 

우리는 수행하여 모양을 변경할 수를 중 하나

x = x.reshape((2, 5)) 

또는 쉽게 읽을

x.shape = (2, 5) 

, 첫 번째 옵션이 더 좋습니다. 그들은 (거의) 똑같습니다. 어느 쪽도 더 많은 메모리를 사용하게 될 복사본을 만들지 않습니다 (처음에는 새로운 파이썬 객체가 생기지 만 그 순간은 바로 옆에 있습니다).

---

Dtypes 및 전망

같은 일이 DTYPE에 적용됩니다. x.dtype을 설정하거나 x.view(...)을 호출하여 배열을 다른 dtype으로 볼 수 있습니다. 이 같은

그래서 우리가 할 수있는 일 :

import numpy as np 
x = np.array([1,2,3], dtype=np.int) 

print 'The original array' 
print x 

print '\n...Viewed as unsigned 8-bit integers (notice the length change!)' 
y = x.view(np.uint8) 
print y 

print '\n...Doing the same thing by setting the dtype' 
x.dtype = np.uint8 
print x 

print '\n...And we can set the dtype again and go back to the original.' 
x.dtype = np.int 
print x 

산출 :

The original array 
[1 2 3] 

...Viewed as unsigned 8-bit integers (notice the length change!) 
[1 0 0 0 0 0 0 0 2 0 0 0 0 0 0 0 3 0 0 0 0 0 0 0] 

...Doing the same thing by setting the dtype 
[1 0 0 0 0 0 0 0 2 0 0 0 0 0 0 0 3 0 0 0 0 0 0 0] 

...And we can set the dtype again and go back to the original. 
[1 2 3] 

메모리가하는 방식을이 것을 당신에게 낮은 수준의 제어를주고있다,하지만, 명심하십시오 버퍼가 해석됩니다.예를 들어

:

import numpy as np 
x = np.arange(10, dtype=np.int) 

print 'An integer array:', x 
print 'But if we view it as a float:', x.view(np.float) 
print "...It's probably not what we expected..." 

이 수율 :

An integer array: [0 1 2 3 4 5 6 7 8 9] 
But if we view it as a float: [ 0.00000000e+000 4.94065646e-324 
    9.88131292e-324 1.48219694e-323 1.97626258e-323 
    2.47032823e-323 2.96439388e-323 3.45845952e-323 
    3.95252517e-323 4.44659081e-323] 
...It's probably not what we expected... 

그래서 우리는,이 경우에는 수레 같이 원래 메모리 버퍼의 기본 비트를 해석하고있다.

정수로 재 작성된 새로운 복사본을 만들고 싶다면 x.astype (np.float)을 사용하십시오.

---

복소수

복소수 두 수레으로 (모두 C, Python 및 NumPy와에) 저장된다. 첫 번째 부분은 실수 부분이고 두 번째 부분은 허수 부분입니다.

그래서, 우리가 할 경우 :

import numpy as np 
x = np.array([0.5+1j, 1.0+2j, 3.0+0j]) 

우리는 진짜 (x.real)를 참조 할 수 있으며 가상 (x.imag) 부품. 이것을 float로 변환하면 허수 부 분을 버리는 것에 대한 경고를 받게되고 실제 부분 만 가진 배열을 얻게됩니다.

print x.real 
print x.astype(float) 

astype은 사본을 만들어 값을 새로운 유형으로 변환합니다.

그러나이 배열을 float으로 보는 경우 item1.real, item1.imag, item2.real, item2.imag, ... 시퀀스가 ​​표시됩니다.

print x 
print x.view(float) 

수율 :

가

[ 0.5+1.j 1.0+2.j 3.0+0.j] 
[ 0.5 1. 1. 2. 3. 0. ] 

각 복소수 본질적으로 두 개의 플로트, 그래서 우리 NumPy와는 기본 메모리 버퍼를 해석하는 방법을 변경하는 경우, 우리는 두 배 길이의 배열을 얻는다. 이 방법으로 DTYPE을 변경하여 조금 명확한 일을하는 데 도움이

희망 ...

Answer 2

dtype을 수동으로 지정하면 원하는 것보다 재 해석 캐스트가된다고 생각한다. 이것은 데이터를 하나의 것으로 변환하는 것이 아니라 직접 플로트로 해석한다고 생각합니다. 어쩌면 aa = numpy.array(aa.map(float, aa))을 시도해 볼 수 있습니다.

추가 설명 : dtype은 데이터 유형입니다. documentation

데이터 유형 객체 (numpy.dtype 클래스의 인스턴스)로부터 그대로 인용하기 가 어레이 항목에 대응하는 메모리의 크기가 고정 된 블록의 바이트를 해석하는 방법을 설명한다.

정수 및 부동 소수점에는 동일한 비트 패턴이 없으므로 int의 메모리를 볼 수없고 부동 소수점으로 볼 때 동일한 숫자가됩니다. dtype을 float64로 설정하면 실제로 정수 값을 부동 소수점 숫자로 변환하는 대신 float64로 해당 메모리를 읽도록 컴퓨터에 지시하는 것입니다.

Answer 3

dtype 속성의 documentation은 ndarray에 전혀 유용하지 않습니다. 출력을 살펴보면 8 개의 4 바이트 정수 버퍼가 4 개의 8 바이트 부동 소수점으로 재 해석되는 것처럼 보일 것입니다.

은 그러나 당신이 원하는 것은 배열 생성에 dtype을 지정하는 것입니다 :

이

array([1, 2, 3, 4, 5, 6, 7, 8], dtype="float64") 

Answer 4

, 당신은 메모리의 고정 블록이 해석되는 방식을 변화하고 있습니다.

예 : int8int64 내지 변경은 1 개 소자, 64 비트의 배열로, 8 소자, 8 비트 정수 배열을 변경하는 방법

>>> import numpy as np 
>>> a=np.array([1,0,0,0,0,0,0,0],dtype='int8') 
>>> a 
array([1, 0, 0, 0, 0, 0, 0, 0], dtype=int8) 
>>> a.dtype='int64' 
>>> a 
array([1]) 

참고. 그러나 동일한 8 바이트 블록입니다. 네이티브 엔디안이있는 i7 시스템에서 바이트 패턴은 int64 형식의 1과 같습니다.

변화 위치 1 :

>>> a=np.array([0,0,0,1,0,0,0,0],dtype='int8') 
>>> a.dtype='int64' 
>>> a 
array([16777216]) 

다른 예 :

>>> a=np.array([0,0,0,0,0,0,1,0],dtype='int32') 
>>> a.dtype='int64' 
>>> a 
array([0, 0, 0, 1]) 

변경 32 바이트, 32 비트 배열에 1의 총수 :

>>> a=np.array([0,0,0,1,0,0,0,0],dtype='int32') 
>>> a.dtype='int64' 
>>> a 
array([   0, 4294967296,   0,   0]) 

이것은 재 해석 된 동일한 블록 블록입니다.