NumPyには、数値計算やデータ処理に使用されるさまざまなデータ型があります。

numpy.bool_

• numpy.bool_はNumPyのブールデータ型です。これは真偽値（TrueまたはFalse）を表すためのデータ型です。
• 通常、このデータ型はブール条件を格納するのに使用されます。例えば、真偽値のマスクを作成してデータをフィルタリングする場合によく利用されます。

import numpy as np

bool_array = np.array([True, False, True], dtype=np.bool_)

numpy.byte

• numpy.byteはNumPyの符号つき整数型データ型の一つで、1バイト（8ビット）の整数を表すためのデータ型です。
• このデータ型は非常に小さな整数値を格納する際に使用され、メモリの節約や特定のデータセットでの効率的なデータ格納に役立ちます。

import numpy as np

byte_array = np.array([1, 2, 3], dtype=np.byte)

numpy.ubyte

• numpy.ubyte は符号なし8ビット整数型で、通常、カラーチャネルや画像処理のピクセル値などの非負整数データを表現するのに使用されます。

import numpy as np

# 符号なし8ビット整数型（numpy.ubyte）の配列を作成
ubyte_array = np.array([0, 100, 255], dtype=np.ubyte)

# 配列の要素を表示
print(ubyte_array)

この例では、3つの非負整数を持つ ubyte_array を作成しています。これはカラーチャネルの値や画像のピクセル値を表現するのに適しています。

numpy.short

• numpy.short は符号つきの16ビット整数型です。ビット数が少ないため、整数の範囲は比較的狭く、一般的に小さな整数値を表現するために使用されます。

import numpy as np

# 符号つき16ビット整数型（numpy.short）の配列を作成
short_array = np.array([1, 2, 3], dtype=np.short)

# 配列の要素を表示
print(short_array)

numpy.ushort

• numpy.ushort は符号なし16ビット整数型で、より大きな範囲の非負整数データを表現できます。以下は numpy.ushort の使用例です。

import numpy as np

# 符号なし16ビット整数型（numpy.ushort）の配列を作成
ushort_array = np.array([0, 32767, 65535], dtype=np.ushort)

# 配列の要素を表示
print(ushort_array)

この例では、3つの非負整数を持つ ushort_array を作成しています。numpy.ushort は、より広い範囲の非負整数データを表現できるため、画像処理などでより高い範囲のピクセル値を扱う場合に適しています。

numpy.intc

• numpy.intc はNumPyの整数型で、プラットフォームに依存した整数型です。これはシステムのビット数に応じてサイズが変化します。通常、32ビットまたは64ビットのシステムにおいて、C言語のintと同等のビット数を持つことがあります。

import numpy as np

# プラットフォームに依存した整数型（numpy.intc）の配列を作成
intc_array = np.array([1, 2, 3], dtype=np.intc)

# 配列の要素を表示
print(intc_array)

numpy.uintc

• numpy.uintc は符号なしの整数型で、プラットフォームに依存した整数型です。サイズはシステムのビット数に依存します。通常、32ビットまたは64ビットのシステムで、C言語のunsigned intと同等のビット数を持つことがあります。

import numpy as np

# プラットフォームに依存した符号なし整数型（numpy.uintc）の配列を作成
uintc_array = np.array([100, 200, 300], dtype=np.uintc)

# 配列の要素を表示
print(uintc_array)

numpy.int_

• numpy.int_ はデフォルトの整数型で、通常はシステムのビット数に依存します。64ビットシステムでは64ビット整数型として動作します。

import numpy as np

# デフォルトの整数型（numpy.int_）の配列を作成
int_array = np.array([1, 2, 3], dtype=np.int_)

# 配列の要素を表示
print(int_array)

numpy.uint

• numpy.uint は符号なしの整数型で、通常はデフォルトのビット数に依存します。64ビットシステムでは64ビット符号なし整数型として動作します。

import numpy as np

# デフォルトの符号なし整数型（numpy.uint）の配列を作成
uint_array = np.array([100, 200, 300], dtype=np.uint)

# 配列の要素を表示
print(uint_array)

numpy.longlong

• numpy.longlong は符号つきの整数型で、通常 64 ビットを持ち、非常に大きな整数値を表現できます。

import numpy as np

# 符号つき 64 ビット整数型（numpy.longlong）の配列を作成
longlong_array = np.array([1234567890123456789, -9876543210987654321], dtype=np.longlong)

# 配列の要素を表示
print(longlong_array)

numpy.ulonglong

• numpy.ulonglong は符号なしの整数型で、通常 64 ビットを持ち、非常に大きな非負整数値を表現できます。

import numpy as np

# 符号なし 64 ビット整数型（numpy.ulonglong）の配列を作成
ulonglong_array = np.array([12345678901234567890], dtype=np.ulonglong)

# 配列の要素を表示
print(ulonglong_array)

numpy.half

• numpy.half は半精度浮動小数点数を表すデータ型で、16 ビットの精度を持ちます。浮動小数点数演算を行う場合にメモリ効率を向上させるために使用されることがあります。

import numpy as np

# 半精度浮動小数点数型（numpy.half）の配列を作成
half_array = np.array([3.14, 1.618], dtype=np.half)

# 配列の要素を表示
print(half_array)

numpy.float16

• numpy.float16 は半精度浮動小数点数を表現するデータ型で、16 ビットの精度を持ちます。

import numpy as np

# 半精度浮動小数点数型（numpy.float16）の配列を作成
float16_array = np.array([3.14, 1.618], dtype=np.float16)

# 配列の要素を表示
print(float16_array)

numpy.single

• numpy.single は単精度浮動小数点数を表現するデータ型で、通常 32 ビットの精度を持ちます。単精度浮動小数点数は、一般的に数値演算において精度を犠牲にしてメモリ効率を向上させる場合に使用されます。

import numpy as np

# 単精度浮動小数点数型（numpy.single）の配列を作成
single_array = np.array([3.14159265359, 2.71828182846], dtype=np.single)

# 配列の要素を表示
print(single_array)

numpy.double

• numpy.double は倍精度浮動小数点数を表現するデータ型で、通常 64 ビットの精度を持ちます。倍精度浮動小数点数は一般的な数値演算に使用され、高い精度が必要な場合に適しています。

import numpy as np

# 倍精度浮動小数点数型（numpy.double）の配列を作成
double_array = np.array([3.14159265359, 2.71828182846], dtype=np.double)

# 配列の要素を表示
print(double_array)

numpy.longdouble

• numpy.longdouble は拡張精度浮動小数点数を表現するデータ型で、通常 80 ビット以上の精度を持ちます。このデータ型はプラットフォームに依存し、実装によって異なる精度を持つことがあります。

import numpy as np

# 拡張精度浮動小数点数型（numpy.longdouble）の配列を作成
longdouble_array = np.array([3.14159265359, 2.71828182846], dtype=np.longdouble)

# 配列の要素を表示
print(longdouble_array)

numpy.csingle

• numpy.csingle は複素数の単精度浮動小数点数を表現するデータ型です。複素数の実部と虚部は単精度浮動小数点数で表現されます。

import numpy as np

# 複素数型（単精度浮動小数点数）の配列を作成
csingle_array = np.array([3.14 + 2j, 1.618 - 0.5j], dtype=np.csingle)

# 配列の要素を表示
print(csingle_array)

numpy.cdouble

• numpy.cdouble は複素数を表現するデータ型で、通常倍精度浮動小数点数（64 ビットの実数部と虚数部）を使用します。複素数は実数部と虚数部からなり、数学的な複素数演算に使用されます。

import numpy as np

# 倍精度複素数型（numpy.cdouble）の配列を作成
cdouble_array = np.array([3.14 + 2j, 1.618 - 0.5j], dtype=np.cdouble)

# 配列の要素を表示
print(cdouble_array)

numpy.clongdouble

• numpy.clongdouble は拡張精度複素数を表現するデータ型で、通常拡張精度浮動小数点数を使用します。このデータ型はより高い精度を持ち、数学的な計算や科学技術計算で使用される場合があります。

import numpy as np

# 拡張精度複素数型（numpy.clongdouble）の配列を作成
clongdouble_array = np.array([3.14 + 2j, 1.618 - 0.5j], dtype=np.clongdouble)

# 配列の要素を表示
print(clongdouble_array)

• PythonでのNumPy配列の基本的な作成方法
• PythonでNumpyのndarrayの要素へのアクセスする方法
• PythonでNumPyを使用してデータの入出力をしたい
• NumPyのデータ型について
• PythonのNumPyでの基本的な演算について

にほんブログ村

インターネット・コンピュータランキング
ブログ王ランキングに参加中！
PC関連ランキング