numpy数据类型

from numpy import *
# numpy数据类型
# 复数数组
a = array([1 + 1j, 2, 3, 4])
# 查看类型 complex128
print(a.dtype)
# 查看实部 [1. 2. 3. 4.]
print(a.real)
# 查看虚部 [1. 0. 0. 0.]
print(a.imag)
# 改变虚部的值
a.imag = [1, 2, 3, 4]
print(a)  # [1.+1.j 2.+2.j 3.+3.j 4.+4.j]
# 共轭复数
print(a.conj())
# 在dtype为float中也可以有上述方法 只是img（虚部）只读
# https://github.com/lijin-THU/notes-python/blob/master/03-numpy/03.04-array-types.ipynb
# 指定数组的数据类型 （所有种类如上）
a = array([1, 2, 3, 4], dtype=int32)
print(a)
# 任意类型数组
a = array([1, 's', 2.1, [1, 2]], dtype=object)
a = a * 2
print(a)
# asarray 改变数组的数组类型
a = array([2.1, 3.2], dtype=float32)
print(a.dtype)  # float32
b = asarray(a, dtype=int)
print(b.dtype)  # int32
print(b is a)  # false
c = asarray(b, dtype=int32)
print(c is b)  # True数据类型相同时仅仅引用
# asarray 也可以作用数组
a = asarray([1, 2], dtype=int32)
print(a)
# view方法 #把数组按照指定数据类型解析 反回引用值
a = array([1, 2, 3, 4], dtype=int32)
print(a)
b = a.view(uint8)  # 按照uint8解析
print(a)  # [1 2 3 4]
print(b)  # [1 0 0 0 2 0 0 0 3 0 0 0 4 0 0 0]
a[0] = 0
print(b)  # 证明了引用关系[0 0 0 0 2 0 0 0 3 0 0 0 4 0 0 0]