Python・NumPyでデータ型コードの説明(型名)を返す方法|np.typename()の使い方
PythonのNumPyで、指定されたデータ型コードに対する説明(型名)を返したい場合は、np.typename()メソッドを使用します。NumPyは数値計算向けの強力なライブラリであり、数学関数、乱数生成器、線形代数ルーチン、フーリエ変換など、多彩な機能を提供しています。また、幅広いハードウェアやコンピューティングプラットフォームに対応しており、分散処理ライブラリやGPU、スパース配列ライブラリとも高い親和性を持っています。
実行手順
まず、必要なライブラリをインポートします。
import numpy as np
次に、調査対象となるデータ型コードのリストを用意します。
arr = ['S1', '?', 'B', 'D', 'G', 'F', 'I', 'H', 'L', 'O', 'Q', 'S', 'U', 'V', 'b', 'd', 'g', 'f', 'i', 'h', 'l', 'q']
データ型コードの説明を返すには、NumPyのtypename()メソッドを使用します。第1引数には、説明を取得したいデータ型コードを渡します。
for i in arr:
print(i, ' : ', np.typename(i))
サンプルコード
ここまでの手順をまとめた完全なサンプルコードは以下のとおりです。
import numpy as np
# データ型コードのリストを宣言
arr = ['S1', '?', 'B', 'D', 'G', 'F', 'I', 'H', 'L', 'O', 'Q', 'S', 'U', 'V', 'b', 'd', 'g', 'f', 'i', 'h', 'l', 'q']
# typename()メソッドで各データ型コードの説明を取得して表示
# 第1引数にはデータ型コードを渡す
for i in arr:
print(i, ' : ', np.typename(i))
出力結果
上記のコードを実行すると、各データ型コードに対応する型名が以下のように表示されます。
S1 : character ? : bool B : unsigned char D : complex double precision G : complex long double precision F : complex single precision I : unsigned integer H : unsigned short L : unsigned long integer O : object Q : unsigned long long integer S : string U : unicode V : void b : signed char d : double precision g : long precision f : single precision i : integer h : short l : long integer q : long long integer
主なデータ型コードの意味
出力結果からも分かるように、大文字と小文字で意味が異なる点に注意が必要です。たとえば「i」は符号付き整数(integer)、「I」は符号なし整数(unsigned integer)を表します。また「f」「d」はそれぞれ単精度・倍精度浮動小数点数、「F」「D」は対応する複素数型です。「?」は真偽値(bool)、「O」は任意のPythonオブジェクト、「S」「U」はバイト文字列・Unicode文字列を表します。このようにnp.typename()を使えば、一文字の型コードが何を意味するのかを簡単に確認できます。
-
PythonでNumPy配列のデータ型を変更する方法(astypeの使い方)
NumPy配列のデータ型を変更するには、astype(data_type)メソッドを使用します。例えば、float64型のNumPy配列がある場合、astype()メソッドに変換したいデータ型を指定するだけで、int32型へと簡単に変更できます。また、NumPy配列の現在のデータ型は、dtype属性を使って確認できます。まずは、サンプルのNumPy配列のデータ型を確認してみましょう。サンプルコード:データ型の確認# NumPyライブラリをインポート import numpy as np # NumPy配列を作成 array = np.array([1, 2, 3, 4, 5]) # NumPy
-
NumPy配列のデータ型を確認・変更する方法 ― dtypeとastypeの使い方
NumPy配列は、Python標準のデータ型に加えて、非常に多彩なデータ型をサポートしています。配列は作成後でも必要に応じて要素のデータ型を変更でき、そのために使われるのが array.dtype と array.astype の2つの方法です。 array.dtype でデータ型を確認する dtype は、配列内の要素が現在使用しているデータ型を取得するための属性です。次の例では、配列を宣言してそのデータ型を確認しています。 コード例 import numpy as np # NumPy配列を作成 a = np.array([21.23, 13.1, 52.1, 8, 255]) # 配