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:
-
数据的类型:表示数据是整数、浮点数还是Python对象。
-
数据的大小:表示每个元素占用多少个字节。
-
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。
-
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。
-
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