Numpy数据类型对象与数组标量详解

Python内置的基本数据类型，每个类别只有一种，比如只有一种整数int，只有一种浮点数float。对于不需要关心计算机如何存储数据的应用，只提供一种选择是非常方便的。但是对于科学计算而言，这是不够的，为了性能和精度往往需要根据具体场景控制更多的细节。为此，NumPy内置了多种基本标量类型。

一、数组标量

标量（scalar），与矢量相对，是只有大小，没有方向的量。

Numpy中有数种（一说是24，但貌似不对）不同类型的标量，数组标量与ndarray具有相同的属性和方法，不过这点貌似没什么卵用，如：

>>> import numpy as np
>>> np.int32.size
<attribute 'size' of 'numpy.generic' objects>

数组标量的层次结构图：

一些标量类型本质上等同于Python的基本类型，因此和继承通用数组标量类型一样，也继承自python类型：

Array scalar type	Related Python type	Inherits?
int_	int	Python 2 only
float_	float	yes
complex_	complex	yes
bytes_	bytes	yes
str_	str	yes
bool_	bool	no
datetime64	datetime.datetime	no
timedelta64	datetime.timedelta	no

bool_ 数据类型与Python bool非常相似，但不能继承自它，因为Python的bool不允许自身被继承。

主要标量及其在win10 64位上的别名：

别名	标量	备注
np.bool8	np.bool_
np.string_	np.bytes_	字节字符串
np.int8	np.byte
np.int16	np.short
np.int32 (win10 64)	np.intc(与C int兼容) np.int_(与Python2 int和C long兼容)
np.int64 (win10 64)	np.longlong（C long long）
np.float16	np.half
np.float32	np.single
np.float64 np.float_	np.double
np.unicode_	np.str_	unicode字符串
np.complex64	np.csingle
np.complex128 np.complex_ np.cfloat	np.cdouble

通过此条命令看所有标量类型：

>>> np.ScalarType # win10 64bit

输出：

(int,
 float,
 complex,
 int,
 bool,
 bytes,
 str,
 memoryview,
 numpy.uint32,
 numpy.int16,
 numpy.uint64,
 numpy.intc,
 numpy.int8,
 numpy.object_,
 numpy.float64,
 numpy.bool_,
 numpy.float32,
 numpy.datetime64,
 numpy.str_,
 numpy.complex64,
 numpy.uint16,
 numpy.bytes_,
 numpy.float16,
 numpy.clongdouble,
 numpy.int32,
 numpy.timedelta64,
 numpy.complex128,
 numpy.uintc,
 numpy.int64,
 numpy.void,
 numpy.longdouble,
 numpy.uint8)

注意，标量类型不是dtype对象，尽管在NumPy中只要需要数据类型规范，它就能被用于代替dtype对象。

二、Numpy数据类型对象

要探讨数据类型对象，需要先探讨Numpy的数组结构，一张图来看：

数据存储区域保存着数组中所有元素的二进制数据，dtype对象则知道如何将元素的二进制数据转换为可用的值。数组的维数、大小等信息都保存在ndarray数组对象的数据结构中。

数据类型对象是numpy.dtype类的实例，描述了如何解释对应的固定大小的内存块中的字节。它主要描述了数据的以下方面：

1. 数据元素的类型（整型、浮点型、Python对象等）。
2. 数据的大小（例如整数中有多少字节）。
3. 数据的顺序（little-endian 或 big-endian）。

dtype 对象使用以下语法构造：numpy.dtype(obj [, align, copy])，参数obj是可被转换为数据类型对象的内容。如np.dtype(np.int32)。可以转换为数据类型对象的常见内容如下：

• dtype 本身
• None

NumPy中的默认数据类型是float_。

• Array-scalar 数组标量类型

np.dtype(np.int32)

• 几种python类型

在用于生成 dtype 对象时等效于相应的数组标量：int是指np.int_，bool意味着np.bool_，float是np.float_，complex是np.complex_，bytes是指np.bytes_，str指np.str_（python3），其它是np.object_。

• Generic types

根据以下关联转换为相应的类型对​​象：

number, inexact, floating	float
complexfloating	cfloat
integer, signedinteger	int_
unsignedinteger	uint
character	string
generic, flexible	void

• 具有 .dtype 属性的任何对象

该属性必须返回可转换为dtype对象的内容。

• 单字符串类型代码

np.dtype('b')

• Array-protocol 字符串

np.dtype('f8')

三、结构化数据类型

用的不多，放个链接自己看看

https://numpy.org/devdocs/user/basics.rec.html

翻译参考：

https://www.numpy.org.cn/user/basics/rec.html#%E7%BB%93%E6%9E%84%E5%8C%96%E6%95%B0%E6%8D%AE%E7%B1%BB%E5%9E%8B