NumPy - 数据类型

NumPy 支持比 Python 更多种类的数值类型。下表显示了 NumPy 中定义的不同标量数据类型。

序号

数据类型及描述

bool_ 存储为一个字节的布尔值（真或假）

int_ 默认整数，相当于 C 的long，通常为int32或int64

intc 相当于 C 的int，通常为int32或int64

intp 用于索引的整数，相当于 C 的size_t，通常为int32或int64

int8 字节（-128 ~ 127）

int16 16 位整数（-32768 ~ 32767）

int32 32 位整数（-2147483648 ~ 2147483647）

int64 64 位整数（-9223372036854775808 ~ 9223372036854775807）

uint8 8 位无符号整数（0 ~ 255）

uint16 16 位无符号整数（0 ~ 65535）

uint32 32 位无符号整数（0 ~ 4294967295）

uint64 64 位无符号整数（0 ~ 18446744073709551615）

float_ float64的简写

float16 半精度浮点：符号位，5 位指数，10 位尾数

float32 单精度浮点：符号位，8 位指数，23 位尾数

float64 双精度浮点：符号位，11 位指数，52 位尾数

complex_ complex128的简写

complex64 复数，由两个 32 位浮点表示（实部和虚部）

complex128 复数，由两个 64 位浮点表示（实部和虚部）

NumPy 数字类型是dtype（数据类型）对象的实例，每个对象具有唯一的特征。这些类型可以是np.bool_，np.float32等

数据类型对象 (`dtype`)

数据类型对象描述了对应于数组的固定内存块的解释，取决于以下方面：

数据类型（整数、浮点或者 Python 对象）
数据大小
字节序（小端或大端）
在结构化类型的情况下，字段的名称，每个字段的数据类型，和每个字段占用的内存块部分。
如果数据类型是子序列，它的形状和数据类型。

字节顺序取决于数据类型的前缀<或>。 <意味着编码是小端（最小有效字节存储在最小地址中）。 >意味着编码是大端（最大有效字节存储在最小地址中）。

import numpy as np

# numpy.dtype(self, obj, align=False, copy=False)
‘’’
obj : 被转换为数据类型的对象。
align: 如果为true，则向字段添加间隔，使其类似 C 的结构体
copy : 生成dtype对象的新副本，如果为flase，结果是内建数据类型对象的引用。
‘’’
dt1 = np.dtype(np.int32) # 使用数组标量类型
dt2 = np.dtype(‘i4’) # int8，int16，int32，int64 可替换为等价的字符串 ‘i1’，‘i2’，‘i4’，以及其他
dt3 = np.dtype(‘>i4’) # 使用端记号
dt4 = np.dtype([(‘age’, np.int8)]) # 创建结构化数据类型
arr = np.arange(5)
dt5 = arr.astype(np.float64) # 数据类型转换 !!!不能使用 arr.dtype = ‘float64’!!!
ndarray1 = np.array([(10,), (20,), (30,)], dtype=dt4) # 应用于 ndarray 对象
studentdt = np.dtype([(‘name’, ‘S20’), (‘age’, ‘i1’), (‘marks’, ‘f4’)])
student = np.array([(‘abc’, 21, 50), (‘xyz’, 18, 75)], dtype=studentdt)
print(dt5)
print(ndarray1[‘age’])
print(studentdt)
print(student[‘name’])