различные типы данных элемента в массиве NumPy?
Хотя стандарт C ++ не имеет такого требования, некоторым компиляторам требуется, чтобы все шаблоны функций и классов были доступны в каждой используемой системе переводов. Фактически для этих компиляторов тела шаблонных функций должны быть доступны в файле заголовка. Повторить: это означает, что эти компиляторы не позволят их определять в файлах без заголовка, таких как .cpp-файлы
Существует ключевое слово export , которое должно смягчать этот проблема, но он нигде не близок к тому, чтобы быть портативным.
2 ответа
Из документов:
dtype: тип данных, необязательный
Желаемый тип данных для массива. Если не указан, то тип будет определен как минимальный тип, необходимый для хранения объектов в последовательности. Этот аргумент может использоваться только для «upcast» массива. Для снижения рейтинга используйте метод .astype (t).
Итак, если вы установите dtype в качестве float64, все должно быть плавающим. Вы можете смешивать типы, но тогда вы не можете установить его как несоответствующий тип. Он будет использовать тип, который будет соответствовать всем данным, например, строка в случае
array(['1', 'Foo', '3.123']).
Да, если вы используете NumPy структурированные массивы , каждый элемент массива будет «структурой», и поля структуры могут иметь разные типы данных.
Ответ на ваш второй вопрос: да . Когда атрибут dtype показывает значение float64, это означает, что каждый элемент является float64