3、Numpy的数据类型

1、番外说明

大家好，我是小P，本系列是本人对Python模块Numpy的一些学习记录，总结于此一方面方便其它初学者学习，另一方面害怕自己遗忘，希望大家喜欢。此外，对“目标检测/模型压缩/语义分割”感兴趣的小伙伴，欢迎加入QQ群 813221712 讨论交流，进群请看群公告！（可以点击如下连接直接加入！）
点击链接加入群聊【Object Detection】：https://jq.qq.com/?_wv=1027&k=5kXCXF8

2、正题

参考链接：

http://www.runoob.com/numpy/numpy-dtype.html

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。

numpy 的数值类型实际上是 dtype 对象的实例，并对应唯一的字符，包括 np.bool_，np.int32，np.float32，等等。

每个内建类型都有一个唯一定义它的字符代码，如下：

数据类型对象 (dtype)

数据类型对象是用来描述与数组对应的内存区域如何使用，这依赖如下几个方面：

● 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，它的形状和数据类型

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)

● 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
接下来我们可以通过实例来理解。

import numpy as np

实例 1
使用dtype输出所使用标量类型

dt = np.dtype(np.int32)
print(dt)

输出结果为：

int32

实例 2
int8, int16, int32, int64 四种数据类型可以使用字符串 ‘i1’, ‘i2’,‘i4’,‘i8’ 代替

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

输出结果为：

int32

实例 3
使用‘<’或‘>’来标注字节顺序为大端还是小端存储

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

输出结果为：

int32

下面实例展示结构化数据类型的使用，类型字段和对应的实际类型将被创建。

实例 4
首先创建结构化数据类型，这种结构化数据类型有点类似于结构体

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

输出结果为：

[('age', 'i1')]

实例 5
将结构化数据类型应用于 ndarray 对象

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

输出结果为：

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

实例 6
类型字段名可以用于存取实际的 age 列

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

输出结果为：

[10 20 30]

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。

实例 7
创建结构化数据类型student

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

输出结果为：

[('name', 'S20'), ('age', 'i1'), ('marks', '<f4')]

实例 8
用定义好的结构化数据类型生成数组

student = np.dtype([('name','S20'), ('age', 'i1'), ('marks', 'f4')]) 
a = np.array([('abc', 21, 50),('xyz', 18, 75)], dtype = student) 
print(a)

输出结果为：

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

也可以按类型字段名存取数据：

 student = np.dtype([('name','S20'), ('age', 'i1'), ('marks', 'f4')]) 
 a = np.array([('abc', 21, 50),('xyz', 18, 75)], dtype = student) 
 print(a['age'])
 print(a['name'])
 print(a['marks'])

输出结果为：

[21 18]
[b'abc' b'xyz']
[50. 75.]