NumPy - 数据类型
NumPy支持比Python更多种类的数值类型。 下表显示了NumPy中定义的不同标量数据类型。Sr.No.数据类型和描述
1bool_
存储为字节的布尔值(True或False)
2int_
默认整数类型(与C long相同;通常为int64或int32)
3intc
与C int相同(通常为int32或int64)
4intp
用于索引的整数(与C ssize_t相同;通常为int32或int64)
5int8
字节(-128到127)
6int16
整数(-32768至32767)
7int32
整数(-2147483648至2147483647)
8int64
整数(-9223372036854775808至9223372036854775807)
9uint8
无符号整数(0到255)
10uint16
无符号整数(0到65535)
11uint32
无符号整数(0到4294967295)
12uint64
无符号整数(0到18446744073709551615)
13float_
float64的简写
14float16
半精度浮点数:符号位,5位指数,10位尾数
15float32
单精度浮点数:符号位,8位指数,23位尾数
16float64
双精度浮点数:符号位,11位指数,52位尾数
17complex_
complex128的简写
18complex64
复数,由两个32位浮点数(实部和虚部)表示
19complex128
复数,由两个64位浮点数(实数和虚数组件)表示
NumPy数字类型是dtype(数据类型)对象的实例,每个对象都具有唯一的特征。 dtypes可用作np.bool_,np.float32等。
Data Type Objects (dtype)
数据类型对象描述对应于数组的固定内存块的解释,具体取决于以下方面 -数据类型(整数,浮点或Python对象)
数据大小
字节顺序(little-endian或big-endian)
在结构化类型的情况下,每个字段的字段名称,每个字段的数据类型和每个字段占用的内存块的一部分。
如果数据类型是子数组,则其形状和数据类型
字节顺序由前缀“”决定数据类型。 ' '>'表示编码是big-endian(最重要的字节存储在最小的地址中)。
使用以下语法构造dtype对象 -numpy.dtype(object, align, copy)
参数是 -Object - 要转换为数据类型对象
Align - 如果为true,则向字段添加填充以使其类似于C-struct
Copy - 制作dtype对象的新副本。 如果为false,则结果引用内置数据类型对象
例子1 (Example 1)# using array-scalar type
import numpy as np
dt = np.dtype(np.int32)
print dt
输出如下 -int32
例子2 (Example 2)#int8, int16, int32, int64 can be replaced by equivalent string 'i1', 'i2','i4', etc.
import numpy as np
dt = np.dtype('i4')
print dt
输出如下 -int32
例子3 (Example 3)# using endian notation
import numpy as np
dt = np.dtype('>i4')
print dt
输出如下 ->i4
以下示例显示了结构化数据类型的使用。 这里,将声明字段名称和相应的标量数据类型。
例子4 (Example 4)# first create structured data type
import numpy as np
dt = np.dtype([('age',np.int8)])
print dt
输出如下 -[('age', 'i1')]
例子5 (Example 5)# now apply it to ndarray object
import numpy as np
dt = np.dtype([('age',np.int8)])
a = np.array([(10,),(20,),(30,)], dtype = dt)
print a
输出如下 -[(10,) (20,) (30,)]
例6# file name can be used to access content of age column
import numpy as np
dt = np.dtype([('age',np.int8)])
a = np.array([(10,),(20,),(30,)], dtype = dt)
print a['age']
输出如下 -[10 20 30]
例7
以下示例定义了一个名为student的结构化数据类型,其中包含字符串字段“name”, integer field “age”和float field “marks”。 此dtype应用于ndarray对象。import numpy as np
student = np.dtype([('name','S20'), ('age', 'i1'), ('marks', 'f4')])
print student
输出如下 -[('name', 'S20'), ('age', 'i1'), ('marks', '
例8import numpy as np
student = np.dtype([('name','S20'), ('age', 'i1'), ('marks', 'f4')])
a = np.array([('abc', 21, 50),('xyz', 18, 75)], dtype = student)
print a
输出如下 -[('abc', 21, 50.0), ('xyz', 18, 75.0)]
每个内置数据类型都有一个唯一标识它的字符代码。'b' - 布尔值
'i' - (签名)整数
'u' - 无符号整数
'f' - 浮点数
'c' - 复杂浮点
'm' - timedelta
'M' - 日期时间
'O' - (Python)对象
'S', 'a' - (byte-)字符串
'U' - Unicode
'V' - 原始数据(无效)
NumPy - Ndarray对象( Ndarray Object)