本机int类型和numpy.int类型之间有什么区别？

本机int类型和numpy.int类型之间有什么区别？

观察差异的另一种方法是询问两种对象有什么方法。

在Ipython中，我可以使用tab complete来查看方法：

In [1277]: x=123; y=np.int32(123)

int

方法和属性：

In [1278]: x.<tab>x.bit_length   x.denominator  x.imag         x.numerator    x.to_bytesx.conjugate    x.from_bytes   x.real

int

“经营者”

In [1278]: x.__<tab>x.__abs__x.__init__          x.__rlshift__x.__add__x.__int__x.__rmod__x.__and__x.__invert__        x.__rmul__x.__bool__          x.__le__ x.__ror__...x.__gt__ x.__reduce_ex__     x.__xor__x.__hash__          x.__repr__          x.__index__         x.__rfloordiv__

np.int32

方法和属性（或属性）。一些相同，但更多的是，基本上所有

ndarray

的：

In [1278]: y.<tab>y.T  y.denominator   y.ndim          y.sizey.ally.diagonal      y.newbyteorder  y.sorty.anyy.dtype         y.nonzero       y.squeeze   ...y.cumsum        y.miny.setflags      y.data          y.nbytes        y.shape

该

y.__

方法看起来很像

int

的。他们可以做同样的数学。

In [1278]: y.__<tab>y.__abs__   y.__getitem__          y.__reduce_ex__y.__add__   y.__gt__    y.__repr__...y.__format__y.__rand__  y.__subclasshook__y.__ge__    y.__rdivmod__          y.__truediv__y.__getattribute__     y.__reduce__y.__xor__

y

在很多方面与0d数组相同。不相同，但接近。

In [1281]: z=np.array(123,dtype=np.int32)

np.int32

当我索引该类型的数组时得到的是：

In [1300]: A=np.array([0,123,3])In [1301]: A[1]Out[1301]: 123In [1302]: type(A[1])Out[1302]: numpy.int32

我必须使用

item

删除所有

numpy

包装。

In [1303]: type(A[1].item())Out[1303]: int

作为

numpy

用户，an

np.int32

是

int

带有

numpy

包装的。或相反的单个元素

ndarray

。通常，我不关心

A[0]

是给我“本机”

int

还是给我numpy等价物。与一些新用户相反，我很少使用

np.int32(123)

;
我会

np.array(123)

改用。

A = np.array([1,123,0], np.int32)

不包含3个

np.int32

对象。而是其数据缓冲区为3 * 4 =
12字节长。正是数组开销将其在一维中解释为3个整数。并

view

显示我不同的解释相同的DataBuffer：

In [1307]: A.view(np.int16)Out[1307]: array([  1,   0, 123,   0,   0,   0], dtype=int16)In [1310]: A.view('S4')Out[1310]: array([b'x01', b'{', b''],   dtype='|S4')

只有当我为单个元素建立索引时，我才能获得

np.int32

对象。

列表

L=[1, 123, 0]

不一样；它是一个指针列表-指向

int

内存中其他对象的指针。类似地，对于dtype = object数组。