Numpy的学习笔记（二）- Numpy的数据类型

       当知道如何创建 ndarray(Numpy的数组）之后，来看看它里面到底可以放些什么样的数据。这里引入了在Python数组里非常重要的一个概念：dType。Numpy通过dType来显示的指定数组中的数据到底是什么类型的。例如

import Numpy as np

# 用dtype来指定

darrary = np.array(np.arange(9), dtype='S1')

print(darrary)

print(darrary.dtype)

'''

Output:

['0' '1' '2' '3' '4' '5' '6' '7' '8']

|S1

'''

这段代码构建了一个一维数组。正常来讲，np.arange所产生的序列是数值类型的。但是这里经过指定dtype=’S’，将数字类型的数据转化成了字符串类型S1。那dtype到底可以指定多少种数据类型呢？

 

基本数据类型

Numpy支持24个基本类型的数据，具体情况可查阅https://numpy.org/devdocs/reference/c-api/dtype.html 。它包括布尔型(bool), 整形(int32)，浮点型等等(float32)。可以通过三种方式来指定：

import Numpy as np

# 通过类似int32这种方式来指定

darrary = np.array(np.arange(4), dtype='int32')

print(darrary)

print(darrary.dtype)

'''

Output:

[0 1 2 3]

int32

'''



darrary = np.array(np.arange(4), dtype='bool')

print(darrary)

print(darrary.dtype)

'''

Output:

[False  True  True  True]

bool

'''



darrary = np.array(np.arange(4), dtype='float32')

print(darrary)

print(darrary.dtype)

'''

Output:

[0. 1. 2. 3.]

float32

'''



# 通过np.int32这种方式来指定

darrary = np.array(np.arange(4), dtype=np.int32)

print(darrary)

print(darrary.dtype)

'''

Output:

[0 1 2 3]

int32

'''



darrary = np.array(np.arange(4), dtype=np.bool)

print(darrary)

print(darrary.dtype)

'''

Output:

[False  True  True  True]

bool

'''



darrary = np.array(np.arange(4), dtype=np.float32)

print(darrary)

print(darrary.dtype)

'''

Output:

[0. 1. 2. 3.]

float32

'''

# 通过类型的简化版，来指定。这种情况，只有整数和浮点数支持。

darrary = np.array(np.arange(4), dtype='i4')

print(darrary)

print(darrary.dtype)

'''

Output:

[0 1 2 3]

int32

'''



darrary = np.array(np.arange(4), dtype='f4')

print(darrary)

print(darrary.dtype)

'''

Output:

[0. 1. 2. 3.]

float32

'''

其中比较令人疑惑的是i4, f4这样的写法。 其实ix是整数类型的一个缩写，其中i表示int, x表示数字所占的字节数。fx就相应的代表浮点数类型的缩写。缩写和实际类型的对应关系如下：

字符表示	实际类型	字符表示	实际类型
i1	int8	f2	float16
i2	int16	f4	float32
i4	int32	f8	float64
i8	int64	f16	float128

 

 

 

 

 

 

字符串类型

除了上面的基本类型之外，dtype还可以接受字符串类型的指定。 比如文章一开始提到的S1。 这里S表示字符串，1表示长度(如果不是，请更正我)。

import Numpy as np

# 指定dtype 为S1

darray = np.array(['a', 'b'], dtype='S1')

print(darray.dtype)

'''

Output:

|S1

'''

# 从下面这个例子可以看出，S后面的数字，与数组中最长的字符串的长度是一致的

darray = np.array(['Hello', 'Numpy!'])

print(darray.dtype)

'''

Output:

|S6

'''

# 这里有一个有趣的现象，即便数组中的字符串超过了我们指定的S的大小，系统依然不会报错。但是系统也不会按照数组中最长字符串的长度来改变dtype的类型

darray = np.array(['Hello', 'Numpy!'], dtype='S1')

print(darray.dtype)

'''

Output:

|S1

'''

指定object类型

在Python中的object与json的结构惊人的相似，也是有键值对(Key-Value)的方式来构建的，例如：

import Numpy as np

person = {'name' : "三儿", 'age' : 37, 'gendar' : '男', 'married' : False}

print(type(person))

'''

Output:

<type 'dict'>

'''

如果想把类似于person这样的object当成元素放到Numpy的数组中去，就需要按照下面的方式指定dtype：

import Numpy as np

custom_dtype = np.dtype([('name' , 'S20'), ('age' , 'i1'), ('gendar' , 'S1'), ('married' , 'bool')])

parray = [("三儿", 37, '男', False), ("五儿", 22, '女', False)]

darray = np.array(parray, dtype = custom_dtype)

print(darray[:]['age'])

'''

Output:

[37, 22]

'''

可见在dtype指定一个复杂的object类型时，是通过元组的方式来实现的。想要知道数组元素的数据类型，也可以使用np.dtype来查看。 更多dtype的相关内容，可以参考https://numpy.org/devdocs/reference/arrays.dtypes.html?highlight=dtype

<<< Numpy的学习笔记（一）  Numpy的学习笔记（三） >>>