NumPy - 数据类型
NumPy 支持的数值类型比 Python 多得多。 下表显示了 NumPy 中定义的不同标量数据类型。
| 序号 | 数据类型 & 描述 |
|---|---|
| 1 | bool_ 布尔值（True 或 False）存储为一个字节 |
| 2 | int_ 默认整数类型（与 C long 相同；通常为 int64 或 int32） |
| 3 | intc 等同于 C int（通常是 int32 或 int64） |
| 4 | intp 用于索引的整数（与 C ssize_t 相同；通常为 int32 或 int64） |
| 5 | int8 字节（-128 到 127） |
| 6 | int16 整数（-32768 到 32767） |
| 7 | int32 整数（-2147483648 到 2147483647） |
| 8 | int64 整数（-9223372036854775808 到 9223372036854775807） |
| 9 | uint8 无符号整数（0 到 255） |
| 10 | uint16 无符号整数（0 到 65535） |
| 11 | uint32 无符号整数（0 到 4294967295） |
| 12 | uint64 无符号整数（0 到 18446744073709551615） |
| 13 | float_ float64 的简写 |
| 14 | float16 半精度浮点数:符号位，5位指数，10位尾数 |
| 15 | float32 单精度浮点数:符号位，8位指数，23位尾数 |
| 16 | float64 双精度浮点数:符号位，11位指数，52位尾数 |
| 17 | complex_ complex128 的简写 |
| 18 | complex64 复数，由两个 32 位浮点数（实部和虚部）表示 |
| 19 | complex128 复数，由两个 64 位浮点数（实部和虚部）表示 |
NumPy 数字类型是 dtype（数据类型）对象的实例，每个对象都具有独特的特征。 dtype 可用作 np.bool_、np.float32 等。
数据类型对象（dtype）
一个数据类型的对象描述了一个数组对应的固定内存块的解释，取决于以下几个方面 −
数据类型（整数、浮点数或 Python 对象）
数据大小
字节顺序（小端或大端）
如果是结构化类型，字段的名称、每个字段的数据类型以及每个字段占用的部分内存块。
如果数据类型是子数组，它的形状和数据类型
字节顺序由数据类型前加前缀 '<' 或 '>' 决定。 '<' 表示编码是小端编码（最低有效存储在最小地址中）。 '>' 表示编码是大端编码（最高有效字节存储在最小地址中）。
dtype 对象使用以下语法构造 −
numpy.dtype(object, align, copy)
参数是 −
Object − 要转换为数据类型对象
Align − 如果为 true，则向该字段添加填充以使其类似于 C 结构
Copy − 制作 dtype 对象的新副本。 如果为 false，则结果是对内置数据类型对象的引用
示例 1
# using array-scalar type import numpy as np dt = np.dtype(np.int32) print dt
输出结果如下 −
int32
示例 2
#int8, int16, int32, int64 can be replaced by equivalent string 'i1', 'i2','i4', etc.
import numpy as np
dt = np.dtype('i4')
print dt
输出结果如下 −
int32
示例 3
# using endian notation
import numpy as np
dt = np.dtype('>i4')
print dt
输出结果如下 −
>i4
下面的例子展示了结构化数据类型的使用。 此处，要声明字段名称和相应的标量数据类型。
示例 4
# first create structured data type
import numpy as np
dt = np.dtype([('age',np.int8)])
print dt
输出结果如下 −
[('age', 'i1')]
示例 5
# now apply it to ndarray object
import numpy as np
dt = np.dtype([('age',np.int8)])
a = np.array([(10,),(20,),(30,)], dtype = dt)
print a
输出结果如下 −
[(10,) (20,) (30,)]
示例 6
# 文件名可用于访问年龄列的内容
import numpy as np
dt = np.dtype([('age',np.int8)])
a = np.array([(10,),(20,),(30,)], dtype = dt)
print a['age']
输出结果如下 −
[10 20 30]
示例 7
以下示例定义了一个名为student 的结构化数据类型，其中包含一个字符串字段"name"、一个integer 字段"age"和一个float 字段 'marks'。 此 dtype 应用于 ndarray 对象。
import numpy as np
student = np.dtype([('name','S20'), ('age', 'i1'), ('marks', 'f4')])
print student
输出结果如下 −
[('name', 'S20'), ('age', 'i1'), ('marks', '<f4')])
示例 8
import numpy as np
student = np.dtype([('name','S20'), ('age', 'i1'), ('marks', 'f4')])
a = np.array([('abc', 21, 50),('xyz', 18, 75)], dtype = student)
print a
输出结果如下 −
[('abc', 21, 50.0), ('xyz', 18, 75.0)]
每个内置数据类型都有一个唯一标识它的字符代码。
'b' − 布尔值
'i' − （有符号）整数
'u' − 无符号整数
'f' − 浮点
'c' − 复数浮点数
'm' − 时间增量
'M' − 日期时间
'O' − (Python) 对象
'S', 'a' − （字节）字符串
'U' − Unicode
'V' − 原始数据（作废）
