NumPy 数据类型

Question

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

序号	数据类型及描述
1.	bool_ 存储为一个字节的布尔值（真或假）
2.	int_ 默认整数，相当于 C 的 long ，通常为 int32 或 int64
3.	intc 相当于 C 的 int ，通常为 int32 或 int64
4.	intp 用于索引的整数，相当于 C 的 size_t ，通常为 int32 或 int64
5.	int8 字节（-128 ~ 127）
6.	int16 16 位整数（-32768 ~ 32767）
7.	int32 32 位整数（-2147483648 ~ 2147483647）
8.	int64 64 位整数（-9223372036854775808 ~ 9223372036854775807）
9.	uint8 8 位无符号整数（0 ~ 255）
10.	uint16 16 位无符号整数（0 ~ 65535）
11.	uint32 32 位无符号整数（0 ~ 4294967295）
12.	uint64 64 位无符号整数（0 ~ 18446744073709551615）
13.	float_ float64 的简写
14.	float16 半精度浮点：符号位，5 位指数，10 位尾数
15.	float32 单精度浮点：符号位，8 位指数，23 位尾数
16.	float64 双精度浮点：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 位浮点表示（实部和虚部）
19.	complex128 复数，由两个 64 位浮点表示（实部和虚部）

_ 上面的标量有一些后面带了下划线，很可能是这个名字是内建的类或者关键字。想要使用在后面加了下划线。_

NumPy 里的数字类型是 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。

每个内建类型都有一个唯一定义它的字符代码：

• 'b' ：布尔值

   

• 'i' ：符号整数

   

• 'u' ：无符号整数

   

• 'f' ：浮点

   

• 'c' ：复数浮点

   

• 'm' ：时间间隔

   

• 'M' ：日期时间

   

• 'O' ：Python 对象

   

• 'S', 'a' ：字节串

   

• 'U' ：Unicode

   

• 'V' ：原始数据（ void ）

   

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。

   

• 如果数据类型是子列表，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）。

dtype 可由以下语法构造：

numpy.dtype(object, align, copy)

参数为：

• Object ：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。

   

示例 1

使用标量创建 dtype 对象

# 使用数组标量类型  
import numpy as np 
dt = np.dtype(np.int32)
print(dt)

输出如下：

int32

示例 2

不仅能够使用标量创建，还能够使用标量对应的字符代码来创建 dtype 对象。

#int8，int16，int32，int64 可替换为等价的字符串 'i1'，'i2'，'i4'，uint,float,complex 同理。  
import numpy as np 

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

输出如下：

int32

示例 3

# 使用端记号  
import numpy as np 
dt = np.dtype('>i4')  
print(dt)

输出如下：

>i4

下面的例子展示了结构化数据类型的使用。 这里声明了字段名称和相应的标量数据类型。

示例 4

# 首先创建结构化数据类型。  
import numpy as np 
dt = np.dtype([('age',np.int8)])  
print(dt)

输出如下：

[('age', 'i1')]

_ 注意这里的的参数是[()], 列表里面传入元组。这是个很奇怪的传输内容，_

原因如下:

1. dtype 不仅可以可以表示简单（已经内置的）数据类型。还可以类似 C 语言中的结构体。
2. 定义的方法是，传入一个列表，列表中的每个元组是一个数据，元组中要有名和数据类型。类似于 ('name', 'type') 的结构。例如定义一个 people 类型的结构体类型。在 numpy 中可以这样定义

   people = np.dtype([('name', 'S20'), ('age', 'i1'), ('sex', np.bool_)]
   

   它定义了一个如下的结构类型 ``` { char[20] name; char age; bool sex; }

示例 5

# 现在将其应用于 ndarray 对象  
import numpy as np 

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

输出如下：

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

示例 6

# type 名称可用于访问 age 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'])

输出如下：

[10 20 30]

示例 7

以下示例定义名为 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 。 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)

输出如下：

[('abc', 21, 50.0), ('xyz', 18, 75.0)]