numpy支持比python更多的数据类型_numpy支持比python更多的数据类型_每天五分钟Python数据分析——NumPy 数据类型...

数组类型和类型之间的转换

Numpy支持比Python更多的数据类型。下面所列的数据类型均为 NumPy 内置的数据类型，为了区别于Python原生的数据类型，bool、int、float、complex 等类型名称末尾都加了"_"。

数据类型描述

bool _：布尔(True或False)，存储为一个字节

int_ ： 默认整数类型(与Clong相同；通常是int64或int32)

intc ：相当于 C 的int，通常为int32或int64

intp ：intp用于索引的整数，相当于 C 的size_t，通常为int32或int64。

int8 ：字节(-128 ~ 127)。

int16 ：整数(-32768 ~ 32767)。

int32 ： 整数(-2147483648 ~ 2147483647)。

int64 ： 整数(-9223372036854775808 ~ 9223372036854775807)。

uint8 ：无符号整数(0 ~ 255)。

uint16 ：无符号整数(0 ~ 65535)。

uint32 ：无符号整数(0 ~ 4294967295)。

uint64 ：无符号整数(0 ~ 18446744073709551615)。

float_ ：float64的简写。

float16 ：半精度浮点：符号位，5位指数，10位尾数。

float32 ：单精度浮点数：符号位，8位指数，23位尾数。

float64 ：双精度浮点：符号位，11位指数，52位尾数。

complex_ ：complex128的简写，即 128 位复数。

complex64 ：复数，由两个32位浮点数(实部和虚部)。

complex128 ：复数，由两个64位浮点数(实部和虚部)。

Numpy数值类型是dtype(data-type)对象的实例，每个类型具有唯一的特征。

数据类型对象 (dtype)

数据类型对象描述了对应于数组的固定内存块的解释，取决于以下方面：

数据类型：整数、浮点或者 Python 对象。

数据大小：数据类型的存储，如，整数占用多少字节存储。

数据字节顺序：小端或大端。

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占用的内存块部分。

如果数据类型是子序列，它的形状和数据类型。

字节顺序取决于数据类型的前缀""。"

dtype 语法

object：被转换为数据类型的对象。

align：如align=true，则向字段添加间隔，使其类似 C 的结构体。

copy ：复制 dtype 对象，生成新副本，如果为flase，则是对内置数据类型对象的引用。

使用数组标量类型

另外，int8, int16, int32, int64 四种数据类型可以使用字符代码"i1", "i2","i4","i8" 代替，如下：

声明字段名称和相应的标量数据类型

如下，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。

创建Numpy结构型数据，将数据类型dtype应用于 ndarray 对象

如下，创建名为 personal_infor 的 ndarray对象 ，其中包含字符串字段Name，整数字段Age、浮点字段Height， 将此dtype应用于ndarray对象。

代码示例如下：

字符代码

每个内建类型都有一个唯一定义它的字符代码，我们在上面例子中也多次使用了字符代码，具体字符代码映射如下：

b ：布尔型

i ：有符号整型，‘i1’, ‘i2’, ‘i4’, ‘i8’ 对应 int8, int16, int32, int64。

u ：无符号整型，‘u1’, ‘u2’, ‘u4’, ‘u8’ 对应 uint8, uint16, uint32, uint64。

f ：浮点型，‘f2’, ‘f4’, ‘f8’ 对应 float16, float32, float64。

c ：复数，‘c8’, ‘c16’ 对应 complex64, complex128。

m ：timedelta64(时间间隔)，本质上是个 int64。

M ：datetime64(日期时间)。

O ：Python 对象。

S/a ：字符串，只能包含 ASCII 码字符，S 或 a 后带数字表示字符串长度，超出部分将被截断，例如 S10、a20。

U ：Unicode 字符串，U 后带数字表示字符串长度，超出部分将被截断，例如 U20。

V ：bytes 数组，V 后带数字表示数组长度，超出部分将被截断，不足则补零。