Python astype(np.float)函數使用方法解析

我的數據庫如圖

結構

我取了其中的name age nr，做成array，只要所取數據存在str型，那么取出的數據，全部轉化為str型，也就是array陣列的元素全是str，不管數據庫定義的是不是int型。

那么問題來了，取出的數據代入公式進行計算的時候，就會類型不符，這是就用到astype(np.float)

代碼如下

import pymysql

import numpy as np

conn = pymysql.connect(host='39.106.168.84', user='xxxxxx', password='xxxxxx', port=3306,

db='flask_topvj_net')

cur = conn.cursor()

sql = "SELECT `name`, `age`,`nr` FROM `student` WHERE 1"

cur.execute(sql)

u = cur.fetchall()

u=np.array(u)

conn.close()

print(u)

#a=u[:,1]*5

#b=u[:,2]*5#錯誤示范

a=u[:,1].astype(np.float)*5

b=u[:,2].astype(np.float)*5

print(a)

print(b)

結果

可以看出array的第二列和第三列都乘以5了。計算成功。

以上就是本文的全部內容，希望對大家的學習有所幫助，也希望大家多多支持我們。

時間： 2020-06-08

考慮到在日常中,常常需要對模型指標輸出,但涉及多個模型的時候,需要對其有標示輸出,故需要將模型變量名轉換成字符串. 看到的基本方法有兩種: 一.方法層面: 方法1(函數內推薦): def namestr(obj, namespace): return [name for name in namespace if namespace[name] is obj] print(namestr(lr_origin,globals()),'\n', namestr(lr_origin,globals())

如下所示: import requests url='http://www.baidu.com' #下面使用requests.request(method, url, **kwargs) re=requests.request('GET',url) 經驗證,可用. 我們試著傳入一個字典,首先用params參數. 結果為: 亮點在url和args. 我們還用get方法,把dic這個字典傳給data試試看. 亮點還是在args和url.驚喜地發現,dic這個字典沒傳進去. 這是因為: params是

我們編寫程序最終目的還是來解決實際問題,所以必然會遇到輸入輸出的交互問題,python中提供了input函數用來獲取用戶的輸入,我們可以用以下程序演示. user_gender = input("Please enter your gender(F/M):") print(f'Your gender is {user_gender}') 要注意的是在sublime編輯器中不支持input的在線輸入,所以我們需要去cmd窗口運行這個程序,結果如下所示: 要注意的是input的返回值是字符

前言 ??隨機數可以用于數學,游戲,安全等領域中,還經常被嵌入到算法中,用以提高算法效率,并提高程序的安全性.平時數據分析各種分布的數據構造也會用到. ??random模塊,用于生成偽隨機數,之所以稱之為偽隨機數,是因為真正意義上的隨機數(或者隨機事件)在某次產生過程中是按照實驗過程中表現的分布概率隨機產生的,其結果是不可預測的,是不可見的.而計算機中的隨機函數是按照一定算法模擬產生的,對于正常隨機而言,會出現某個事情出現多次的情況. ??但是偽隨機在事情觸發前設定好,就是這個十個事件各發生一次

我就廢話不多說了,大家還是直接看代碼吧! year=int(raw_input('year:\n')) month=int(raw_input('month:\n')) day=int(raw_input('day:\n')) sum=0 months=(0,31,59,90,120,151,181,212,243,273,304,334) if 0

一.使用三種方法實現0-n累加求和 定義函數分別使用while循環.for循環.遞歸函數實現對0-n的累加求和 1.使用while循環 定義一個累加求和函數sum1(n),函數代碼如下: 2.使用 for循環 定義一個累加求和函數sum2(n),函數代碼如下: 3.使用遞歸函數 定義一個累加求和函數sum3(n),函數代碼如下: 二.使用了三種實現累加求和的方法,分別定義了三個函數. 1.對0-100實現累加求和,令n=100,分別調用三個函數, 代碼如下: 2. 控制臺的輸出結果都為:5050

使用astype實現dataframe字段類型轉換 # -*- coding: UTF-8 -*- import pandas as pd df = pd.DataFrame([{'col1':'a', 'col2':'1'}, {'col1':'b', 'col2':'2'}]) print df.dtypes df['col2'] = df['col2'].astype('int') print '-----------' print df.dtypes df['col2'] = df['c

如下所示: 函數 說明 type() 返回數據結構類型(list.dict.numpy.ndarray 等) dtype() 返回數據元素的數據類型(int.float等) 備注:1)由于 list.dict 等可以包含不同的數據類型,因此不可調用dtype()函數 2)np.array 中要求所有元素屬于同一數據類型,因此可調用dtype()函數 astype() 改變np.array中所有數據元素的數據類型. 備注:能用dtype() 才能用 astype() 測試代碼: import nu

列表生成式語法: [x*x for x in range(0,10)] //列表生成式,這里是中括號 //結果 [0, 1, 4, 9, 16, 25, 36, 49, 64, 81] (x*x for x in range(0,10)) //生成器, 這里是小括號 //結果 at 0x7f0b072e6140> 二者的區別很明顯: 一個直接返回了表達式的結果列表, 而另一個是一個對象,該對象包含了對表達式結果的計算引用, 通

當我發現要寫python的面向對象的時候,我是躊躇滿面,坐立不安呀.我一直在想:這個坑應該怎么爬?因為python中關于面向對象的內容很多,如果要講透,最好是用面向對象的思想重新學一遍前面的內容.這個坑是如此之大,猶豫再三,還是只撿一下重要的內容來講吧,不足的內容只能靠大家自己去補充了. 慣例聲明一下,我使用的版本是 python2.7,版本之間可能存在差異. 好,在開講之前,我們先思考一個問題,看代碼: 為什么我只創建是為 a 賦值,就可以使用一些我沒寫過的方法? 可能會有小伙伴說:因為 a

python中的數字類型工具 python中為更高級的工作提供很多高級數字編程支持和對象,其中數字類型的完整工具包括: 1.整數與浮點型, 2.復數, 3.固定精度十進制數, 4.有理分數, 5.集合, 6.布爾類型 7.無窮的整數精度 8.各種數字內置函數及模塊. 基本數字類型 python中提供了兩種基本類型:整數(正整數金額負整數)和浮點數(注:帶有小數部分的數字),其中python中我們可以使用多種進制的整數.并且整數可以用有無窮精度. 整數的表現形式以十進制數字字符串寫法出現,浮點數帶

淺談python中set使用 In [2]: a = set() # 常用操作1 In [3]: a Out[3]: set() In [4]: type(a) Out[4]: set In [5]: b = set([1, 3]) In [6]: b Out[6]: {1, 3} In [7]: type(b) Out[7]: set In [8]: b.update(2) ------------------------------------------------------------

1.type(變量名),輸出的結果就是變量的類型: 例如 >>> type(6) 2.在Python里面變量在聲明時,不需要指定變量的類型,變量的類型是動態指定的:>>> x=5 >>> type(x) >>> x="wang" >>> type(x) 3.也就是說變量的類型,根據給出

str字符串 s = '中文' # s: s是個str對象,中文字符串.存儲方式是字節碼.字節碼是怎么存的: 如果這行代碼在python解釋器中輸入&運行,那么s的格式就是解釋器的編碼格式: 如果這行代碼是在源碼文件中寫入.保存然后執行,那么解釋器載入代碼時就將s初始化為文件指定編碼(比如py文件開頭那行的utf-8): unicode對象字符串 unicode是一種編碼標準,具體的實現可能是utf-8,utf-16,gbk等等,這就是中文字符串和unicod

本文先比較range與arange的異同點,再詳細介紹各自的用法,然后列舉了幾個簡單的示例,最后對xrange進行了簡單的說明. 1. range與arange的比較 (1)相同點:A.參數的可選性.默認缺省值是一樣的:B.結果均包括開始值,不包括結束值: C.arange的參數為整數是,與range函數等價:D.都具備索引查找.要素截取等操作. (2)不同點:A.range函數的參數只能為整數,arange的參數為數值型,包括整數和浮點數: B.輸出的數據類型不同,range的輸出為列表(li

迭代器 迭代器協議 對象必須提供一個next方法,執行該方法要么返回迭代中的下一項,要么返回一個異常來終止本次迭代.(只能往前走,不能往后退!) 迭代器對象 遵循了(實現了)迭代器協議的對象.(對象內部實現了一個__next__方法,以實現迭代器協議)稱為一個迭代器對象.他們的作用是逐個遍歷容器中的對象.迭代器對象一定是可迭代對象 >>> from collections import Iterable, Iterator >>> l = list([1,2,3]) #

繼承 Python 中所有的類都是object類的子類,而object 繼承自type 繼承分為 接口繼承和實現繼承 接口繼承:使用父類的接口名,子類重寫這個方法.盡可能的繼承接口類,在子類中實現方法,鼓勵對接口類的多繼承,這樣遵循接口隔離原則,有利于歸一化設計,不提倡對抽象類進行多繼承 實現繼承:子類不需要實現任何東西,直接使用父類接口和實現會增強代碼的耦合性,不推薦使用. 一些細節 類繼承最終要被實例化,我們多數時候使用的還是對象而不是類.因此我們還是來一點點看繼- 繼承的過程 承僅僅是一種

總結

以上是生活随笔為你收集整理的pythontype函数使用_Python astype(np.float)函数使用方法解析的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。