章节
NumPy提供的数值类型，数值范围比Python提供的数值类型更大。NumPy的数值类型，如下表所示：
| SN | 数据类型 | 描述 |
|---|---|---|
| 1 | bool_ | 布尔值，取值ture/false，占用一个字节 |
| 2 | int_ | 是integer的默认类型。与C语言中的long类型相同，有可能是64位或32位。 |
| 3 | intc | 类似于C语言中的整数类型(int)，表示32位或64位的整型。 |
| 4 | intp | 表示用于索引的整数。 |
| 5 | int8 | 8位整数，值的范围是-128到127。 |
| 6 | int16 | 2字节(16位)整数。范围是-32768到32767。 |
| 7 | int32 | 4字节(32位)的整数。范围是-2147483648到2147483647。 |
| 8 | int64 | 8字节(64位)整数。范围是-9223372036854775808到9223372036854775807。 |
| 9 | uint8 | 1字节(8位)无符号整数。 |
| 10 | uint16 | 2字节(16位)无符号整数。 |
| 11 | uint32 | 4字节(32位)无符号整数。 |
| 12 | uint64 | 8字节(64位)无符号整数。 |
| 13 | float_ | 与float64相同。 |
| 14 | float16 | 半精度浮点数。5位保留给指数，10位保留给尾数，1位保留给符号。 |
| 15 | float32 | 单精度浮点数。8位保留给指数，23位保留给尾数，1位保留给符号。 |
| 16 | float64 | 双精度浮点数。指数保留11位，尾数保留52位，符号保留1位。 |
| 17 | complex_ | 与complex128相同。 |
| 18 | complex64 | 复数，实数和虚数各占32位。 |
| 19 | complex128 | 复数，实数和虚数各占64位。 |
上述所有数值类型，都可由dtype描述。
NumPy 数据类型对象（dtype）
数据类型对象/dtype，是描述数组中元素数据类型的对象。具体内容包括：
- 数据类型(整数、浮点数或Python对象)
- 数据长度
- 字节顺序(小端或大端)
- 在结构化类型中，字段名称、字段数据类型等。
- 如果数据类型是子数组，则会包含其形状和数据类型
字节顺序由数据类型的前缀('<'或'>')决定。'<'表示小端，'>'表示大端。
我们可以使用以下语法，创建一个dtype对象。
numpy.dtype(object, align, copy)
参数：
- object: 要转换为dtype类型的对象。
- align: 布尔值。如果为真，则添加额外的填充，使其等效于C结构体
- copy: 创建一个新的dtype对象副本。如果为false，则结果是对内置数据类型对象的引用
示例
import numpy as np
dt = np.dtype(np.int32)
print(dt)
输出
int32
示例
#int8, int16, int32, int64 等价于字符串 'i1', 'i2','i4', etc.
import numpy as np
dt = np.dtype('i4')
print(dt)
输出
int32
示例
# 使用字节顺序标记
import numpy as np
dt = np.dtype('>i4')
print(dt)
输出
>i4
创建结构化数据类型
我们可以创建类似字典的数据类型，包括字段名与字段值。
下面的示例展示了结构化数据类型的使用。
示例
# 先创建结构化数据类型
import numpy as np
dt = np.dtype([('age',np.int8)]) # 格式是：[('字段名', 字段类型)]
print(dt)
输出
[('age', 'i1')]
示例
# 现在将它应用到ndarray对象
import numpy as np
dt = np.dtype([('age',np.int8)])
a = np.array([(10,),(20,),(30,)], dtype = dt)
print(a)
输出
[(10,) (20,) (30,)]
示例
# 字段名可用于访问列的内容
import numpy as np
dt = np.dtype([('age',np.int8)])
a = np.array([(10,),(20,),(30,)], dtype = dt)
print(a['age'])
输出
[10 20 30]
示例
下面的示例定义了一个名为student的结构化数据类型，其中包含字符串字段“name”、整数字段“age”和浮点字段“marks”。然后将此dtype应用于ndarray对象。
import numpy as np
student = np.dtype([('name','S20'), ('age', 'i1'), ('marks', 'f4')])
print(student)
输出
[('name', 'S20'), ('age', 'i1'), ('marks', '<f4')])
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
[('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' − boolean
- 'i' − (signed) integer
- 'u' − unsigned integer
- 'f' − floating-point
- 'c' − complex-floating point
- 'm' − timedelta
- 'M' − datetime
- 'O' − (Python) objects
- 'S', 'a' − (byte-)string
- 'U' − Unicode
- 'V' − raw data (void)