（二）Numpy数据类型

Numpy数据类型

numpy 支持的数据类型比 Python 内置的类型要多很多，基本上可以和 C 语言的数据类型对应上，其中部分类型对应为 Python 内置的类型。下表列举了常用 NumPy 基本类型。

名称	描述
bool_	布尔型数据类型（True 或者 False）
int_	默认的整数类型（类似于 C 语言中的 long，int32 或 int64）
intc	与 C 的 int 类型一样，一般是 int32 或 int 64
intp	用于索引的整数类型（类似于 C 的 ssize_t，一般情况下仍然是 int32 或 int64）
int8	字节（-128 to 127）
int16	整数（-32768 to 32767）
int32	整数（-2147483648 to 2147483647）
int64	整数（-9223372036854775808 to 9223372036854775807）
uint8	无符号整数（0 to 255）
uint16	无符号整数（0 to 65535）
uint32	无符号整数（0 to 4294967295）
uint64	无符号整数（0 to 18446744073709551615）
float_	float64 类型的简写
float16	半精度浮点数，包括：1 个符号位，5 个指数位，10 个尾数位
float32	单精度浮点数，包括：1 个符号位，8 个指数位，23 个尾数位
float64	双精度浮点数，包括：1 个符号位，11 个指数位，52 个尾数位
complex_	complex128 类型的简写，即 128 位复数
complex64	复数，表示双 32 位浮点数（实数部分和虚数部分）
complex128	复数，表示双 64 位浮点数（实数部分和虚数部分）

数据类型对象 (dtype)

数据类型对象用于描述数组在内存中的存储方式，它描述了以下几个方面：

1. 数据的类型：表示数据是整数、浮点数还是Python对象。

2. 数据的大小：表示每个元素占用多少个字节。

3. 数据的字节顺序：表示数据在内存中的存储顺序，是小端法还是大端法。

4. 在结构化类型的情况下，还包括字段的名称、每个字段的数据类型以及每个字段所占据的内存空间的部分。

5. 如果数据类型是子数组，还会描述其形状和数据类型是什么。

字节顺序可以通过设置"<"或">"来确定。"<"表示小端法（最低有效位存储在最前面的地址），">"表示大端法（最高有效位存储在最前面的地址）。

调用函数

• numpy.dtype(object, align, copy)

  • 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

实例

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

# int8, int16, int32, int64 四种数据类型可以使用字符串 'i1', 'i2','i4','i8' 代替
dt = np.dtype('i4')
print(dt)  # int32

# 字节顺序标注
dt = np.dtype('<i4')
print(dt)  # int32

结构化数据类型，类型字段和对应的实际类型将被创建：

# 首先创建结构化数据类型
import numpy as np
dt = np.dtype([('age',np.int8)]) 
print(dt)  # [('age', 'i1')]

# 将数据类型应用于 ndarray 对象
dt = np.dtype([('age', np.int8)])
a = np.array([(10,), (20,), (30,)], dtype=dt)
print(a)  # [(10,) (20,) (30,)]

# 类型字段名可以用于存取实际的 age 列
print(a['age'])  # [10 20 30]

上述代码中，我们定义了age这个参数为整型，其实可以看做是字典，键是age，而值就是对应元组位置上的数字，这些数字满足键age所对应的数据类型。

下面的示例定义一个结构化数据类型 student，包含字符串字段 name，整数字段 age，及浮点字段 marks，并将这个 dtype 应用到 ndarray 对象。

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

a = np.array([('abc', 21, 50),('xyz', 18, 75)], dtype = student) 
print(a)  # [(b'abc', 21, 50.) (b'xyz', 18, 75.)]

print(a['name'], a['age'], a['marks'])  # [b'abc' b'xyz'] [21 18] [50. 75.]

每个内建类型都有一个唯一定义它的字符代码，如下：

字符	对应类型
b	布尔型
i	(有符号) 整型
u	无符号整型 integer
f	浮点型
c	复数浮点型
m	timedelta（时间间隔）
M	datetime（日期时间）
O	(Python) 对象
S, a	(byte-)字符串
U	Unicode
V	原始数据 (void)

数据类型的转换

我们可以使用astype方法显式地转换数组的数据类型

import numpy as np
arr = np.array([1,2,3,4,5])
print(arr.dtype)  # int32

float_arr = arr.astype(np.float64)
print(float_arr.dtype)  # float64

注意：数据类型发生改变之后元素的值可能会发生变化