Pythonで発生する可能性のあるデータキャストの種類を制御して、データ型間のキャストが発生する可能性がある場合はTrueを返します
numpy.can_cast()メソッドは、キャストルールに従ってデータ型間のキャストが発生する可能性がある場合にTrueを返します。最初のパラメーターは、キャスト元のデータ型または配列です。 2番目のパラメーターは、キャスト先のデータ型です。 3番目のパラメータは、「no」、「equiv」、「safe」、「same_kind」、「unsafe」の値を使用して、発生する可能性のあるデータキャストの種類を制御します。
-
「no」は、データ型をまったくキャストしてはならないことを意味します。
-
「equiv」は、バイトオーダーの変更のみが許可されることを意味します。
-
「安全」とは、値を保持できるキャストのみが許可されることを意味します。
-
「same_kind」は、安全なキャストまたはfloat64からfloat32などの種類内のキャストのみが許可されることを意味します。
-
「安全でない」とは、データ変換が行われる可能性があることを意味します。
ステップ
まず、必要なライブラリをインポートします-
import numpy as np
numpy.can_cast()メソッドは、キャストルールに従ってデータ型間のキャストが発生する可能性がある場合にTrueを返します-
print("Checking with can_cast() method in Numpy\n")
タイプ「no」-
print("Result...",np.can_cast('i8', 'i8', 'no')) print("Result...",np.can_cast('<i8', '>i8', 'no'))
タイプ「equiv」-
print("Result...",np.can_cast('<i8', '>i8', 'equiv')) print("Result...",np.can_cast('<i4', '>i8', 'equiv'))
タイプ「安全」-
print("Result...",np.can_cast('i4', 'i8', 'safe')) print("Result...",np.can_cast('i8', 'i4', 'safe'))
タイプ「same_kind」-
print("Result...",np.can_cast('i8', 'i4', 'same_kind')) print("Result...",np.can_cast('i8', 'i4', 'same_kind'))
例
import numpy as np # The numpy.can_cast() method returns True if cast between data types can occur according to the casting rule. print("Checking with can_cast() method in Numpy\n") # The type "no" print("Result...",np.can_cast('i8', 'i8', 'no')) print("Result...",np.can_cast('<i8', '>i8', 'no')) # The type "equiv" print("Result...",np.can_cast('<i8', '>i8', 'equiv')) print("Result...",np.can_cast('<i4', '>i8', 'equiv')) # The type "safe" print("Result...",np.can_cast('i4', 'i8', 'safe')) print("Result...",np.can_cast('i8', 'i4', 'safe')) # The type "same_kind" print("Result...",np.can_cast('i8', 'i4', 'same_kind')) print("Result...",np.can_cast('i8', 'i4', 'same_kind'))
出力
Checking with can_cast() method in Numpy Result... True Result... False Result... True Result... False Result... True Result... False Result... True Result... True
-
非線形データをPythonのモデルにどのように適合させることができますか?
データの視覚化に役立つSeabornライブラリを使用します。回帰モデルを作成するときに、多重共線性がチェックされます。これは、連続変数のすべての異なる組み合わせの間に存在する相関関係を理解する必要があるためです。変数間に多重共線性が存在する場合は、それがデータから削除されていることを確認する必要があります。通常、実世界のデータは非線形です。 このような非線形データをモデルに適合させるメカニズムを見つける必要があります。このデータを視覚化するために、Anscombeのデータセットを使用します。 「implot」関数は、この非線形データで使用されます。 これが例です- 例 import pan
-
Python関数はどのようにして関数を返すことができますか?
Pythonはファーストクラスの関数をサポートしています。実際、Pythonのすべての関数はファーストクラスの関数です。 Pythonは関数から関数を返し、リストなどのコレクションに関数を格納し、通常は変数やオブジェクトと同じように扱います。 他の関数で関数を定義し、関数を返すことはすべて可能です。 指定されたコードは次のように作り直されています。関数内で関数を定義し、これらを返します。 例 def f2(c, d): return c, d def f1(a, b): c = a + 1 d = b +