Numpy 中的数组比 Python 原生中的数组(只支持整数类型与浮点类型)强大的一点就是它支持更多的数据类型。
基本数据类型
numpy常见的数据类型
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C long相同;通常为int64或int32)
intc
与C int(通常为int32或int64)相同
intp
用于索引的整数(与C ssize_t相同;通常为int32或int64)
int8
字节(-128到127)
int16
整数(-32768到32767)
int32
整数(-2147483648至2147483647)
int64
整数(-9223372036854775808至9223372036854775807)
uint8
无符号整数(0到255)
uint16
无符号整数(0到65535)
uint32
无符号整数(0至4294967295)
uint64
无符号整数(0至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: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。
complex64
复数,由两个32位浮点(实数和虚数分量)
complex128
复数,由两个64位浮点(实数和虚数分量)
以上这些数据类型都可以通过 np.bool_、np.float32等方式访问。
这些类型都可以在创建 ndarray 时通过参数 dtype 来指定。
a = np.arange(3, dtype=np.float16)
a
Out[107]: array([0., 1., 2.], dtype=float16)
a.dtype
Out[108]: dtype(‘float16‘)
此外,在创建 ndarray 对象时,也可以通过字符代码来替换,主要是为了保持与较旧包(例如Numeric)的向后兼容性。
np.array([1, 2, 3], dtype=‘f‘)
Out[109]: array([1., 2., 3.], dtype=float32
类型转换
要转换数组的类型,请使用.astype()方法(首选)或类型本身作为函数。
a
Out[110]: array([0., 1., 2.], dtype=float16)
a.astype(np.bool_)
Out[111]: array([False, True, True])
np.bool_(a)
Out[112]: array([False, True, True])
原文:https://www.cnblogs.com/zhangyafei/p/10566944.html