## NumPy `ndarray` 與資料型態簡介 NumPy 的 `ndarray` 是一種多維陣列，除了形狀（`shape`）與維度（`ndim`）之外，每個元素通常都具有相同的資料型態，由 `dtype` 表示。 ```python import numpy as np a = np.array([1, 2, 3]) print(a.dtype) # 可能是 int64 ``` 資料型態會影響： - 每個元素佔用的記憶體大小 - 計算速度 - 可表示的數值範圍 - 運算結果的精確度 - 是否能儲存文字、日期或缺失值 --- ## 常見的 NumPy 資料型態 ### 1. 整數型態 用來儲存沒有小數的數值。 | 型態 | 說明 | |---|---| | `np.int8` | 8 位元有號整數 | | `np.int16` | 16 位元有號整數 | | `np.int32` | 32 位元有號整數 | | `np.int64` | 64 位元有號整數 | | `np.uint8` | 8 位元無號整數，範圍為 0～255 | 一般情況下，`np.int64` 常用於整數陣列，但實際預設型態可能依作業系統而不同。 ### 2. 浮點數型態 用來儲存含小數的數值。 | 型態 | 說明 | |---|---| | `np.float16` | 低精度、佔用空間小 | | `np.float32` | 常用於機器學習與影像處理 | | `np.float64` | 精度較高，NumPy 常見預設型態 | ### 3. 複數型態 | 型態 | 說明 | |---|---| | `np.complex64` | 複數，通常由兩個 `float32` 組成 | | `np.complex128` | 複數，通常由兩個 `float64` 組成 | 例如： ```python z = np.array([1 + 2j, 3 + 4j]) ``` ### 4. 布林型態 `np.bool_` 只能表示 `True` 或 `False`，常用於條件篩選。 ```python mask = np.array([True, False, True]) ``` ### 5. 字串與物件型態 - `np.str_`：固定長度的 Unicode 字串 - `np.bytes_`：位元組字串 - `object`：可儲存 Python 物件，例如不同長度字串、列表或混合型資料 `object` 彈性較高，但通常速度較慢，也失去 NumPy 同質陣列的部分優勢。 ### 6. 日期與時間型態 - `np.datetime64`：日期或時間 - `np.timedelta64`：時間差 例如可表示日期、月份、天數或奈秒等不同時間單位。 ### 7. 結構化型態 `structured dtype` 可以讓同一個陣列中的每個元素包含多個具名欄位，類似資料表的一列。 ```python dtype = np.dtype([("name", "U10"), ("age", "i4")]) ``` --- ## 範例一：指定資料型態與檢查記憶體 ```python import numpy as np a = np.array([1, 2, 3, 4], dtype=np.int32) print(a) # [1 2 3 4] print(a.dtype) # int32 print(a.itemsize) # 4，每個元素佔 4 bytes print(a.nbytes) # 16，整個陣列佔 16 bytes ``` 這個例子指定使用 `int32`，每個元素佔 4 bytes。如果資料量很大，適當選擇較小的型態可以節省記憶體。 --- ## 範例二：型態轉換與布林篩選 ```python import numpy as np x = np.array([1.2, 2.8, 3.5]) y = x.astype(np.int32) print(y) # [1 2 3] print(y.dtype) # int32 mask = y > 1 print(y[mask]) # [2 3] ``` `astype(np.int32)` 會將浮點數轉成整數，小數部分會被截去，而不是四捨五入。 --- ## 常見的資料型態議題 ### 1. 整數溢位 整數型態有固定的可表示範圍。例如 `int8` 的範圍通常是 -128～127，超過範圍可能產生溢位，結果並非預期。 ```python x = np.array([127], dtype=np.int8) # x + 1 可能得到 -128 ``` 如果數值可能很大，應使用較大的型態，例如 `int32` 或 `int64`。 --- ### 2. 浮點數精度誤差 浮點數通常無法精確表示所有十進位小數，因此可能出現： ```python 0.1 + 0.2 != 0.3 ``` 這是二進位浮點數表示法的正常現象。比較浮點數時，建議使用： ```python np.isclose(a, b) ``` 而不是直接使用 `a == b`。 --- ### 3. 型態自動推導與混合型態 建立陣列時，NumPy 會自動推導共同型態。 ```python np.array([1, 2.5]).dtype ``` 通常會提升為浮點型態，因為整數可以轉成浮點數。 若陣列包含字串與數字，可能全部被轉成字串；若包含無法統一的 Python 物件，則可能變成 `object`，導致運算效率降低。 --- ### 4. 型態轉換可能遺失資料 從浮點數轉整數會遺失小數；從較大的整數型態轉成較小型態可能溢位；從字串轉數字則可能因格式不正確而失敗。 ```python x.astype(np.int32) ``` 使用 `astype()` 前應確認轉換是否安全。 --- ### 5. `NaN` 與缺失值 `NaN` 通常屬於浮點數概念，因此整數陣列不能直接儲存一般的 `np.nan`： ```python np.array([1, np.nan]) # 通常會推導為 float ``` 若需要在整數資料中表示缺失值，可以考慮： - 使用浮點數型態 - 使用遮罩陣列（masked array） - 使用 pandas 的 nullable integer 型態 --- ### 6. `float32` 與 `float64` 的取捨 - `float32`：佔用較少記憶體、速度可能較快，常用於大型模型或 GPU 計算 - `float64`：精度較高，適合科學計算與需要較高精確度的場合 應依資料規模與精度需求選擇，不必一律使用最大的型態。 --- ### 7. 字串與 `object` 陣列的效率 NumPy 最擅長處理固定型態的數值陣列。若使用 `object` 儲存各種 Python 物件，許多運算會退回 Python 層級執行，速度與記憶體效率通常不如數值型態。 --- ## 小結 使用 NumPy `ndarray` 時，除了關注陣列的形狀，也應注意 `dtype`： - 數值資料常使用 `int32`、`int64`、`float32` 或 `float64` - 條件判斷使用 `bool` - 日期使用 `datetime64` - 字串與混合資料可能使用 `str` 或 `object` - 需要留意溢位、浮點誤差、型態轉換與缺失值問題 良好選擇資料型態，通常能兼顧正確性、記憶體使用量與運算效能。