NumPy 数据类型

numpy 支持的数据类型比 Python 内置的类型要多很多，其中部分类型对应为 Python 内置的类型。

NumPy 数字类型是 dtype（数据类型）对象的实例，每个对象是唯一的。dtypes 可用作 np.bool_、np.float32 等。

数据类型对象 (dtype)

数据类型对象（numpy.dtype 类的实例）用来描述与数组对应的内存区域是如何使用，它描述了数据的以下几个方面：：

• 数据的类型（整数，浮点数或者 Python 对象）
• 数据的大小（例如， 整数使用多少个字节存储）
• 数据的字节顺序（小端法或大端法）
• 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所取的内存块的部分
• 如果数据类型是子数组，那么它的形状和数据类型是什么。

字节顺序是通过对数据类型预先设定 < 或 > 来决定的。 < 意味着小端法(最小值存储在最小的地址，即低位组放在最前面)。> 意味着大端法(最重要的字节存储在最小的地址，即高位组放在最前面)。

dtype 对象是使用以下语法构造的：

numpy.dtype(object, align, copy)

参数说明

• object - 要转换为的数据类型对象
• align - 如果为 true，填充字段使其类似 C 的结构体。
• copy - 复制 dtype 对象 ，如果为 false，则是对内置数据类型对象的引用

示例

下面我们通过实际的例子来加深对数据类型的理解

示例 1

使用数组标量类型

import numpy as np
dt = np.dtype(np.int32)
print(dt)

运行示例

运行结果如下

int32

示例 2

int8, int16, int32, int64 四种数据类型可以使用字符串 'i1', 'i2','i4','i8' 代替

import numpy as np 

dt = np.dtype('i4')
print(dt) 

运行示例

运行结果如下：

int32

示例 3

使用 小尾端 表示法

import numpy as np 
dt = np.dtype('>i4') 
print(dt)

运行示例

运行结果如下：

>i4

下面的例子展示了结构化数据类型的使用。这里要声明字段名和对应的标量数据类型。

示例 4

下面示例创建结构化数据类型

import numpy as np 
dt = np.dtype([('age',np.int8)]) 
print(dt) 

运行示例

运行结果如下

[('age', 'i1')] 

示例 5

将上面示例创建的数据类型应用于 ndarray对象

import numpy as np 

dt = np.dtype([('age',np.int8)]) 
a = np.array([(10,),(20,),(30,)], dtype = dt) 
print (a)

运行示例

运行结果如下

[(10,) (20,) (30,)]

示例 6

使用类型字段名存取实际的 age 列

import numpy as np 

dt = np.dtype([('age',np.int8)]) 
a = np.array([(10,),(20,),(30,)], dtype = dt) 
print(a['age'])

运行示例

运行结果如下

[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”、一个整数字段“age”和一个浮点字段“marks”。此 dtype 应用于 ndarray 对象。

import numpy as np 
student = np.dtype([('name','S20'), ('age', 'i1'), ('marks', 'f4')]) 
print(student)

运行示例

运行结果如下

[('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)

运行示例

运行结果如下

[('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。