Python 数据处理 - Numpy 02 - N维数组的数据类型

Let’s take a look at all the data types of array with n dimension.

import numpy as np
print((set(np.typeDict.values())))
'''{<class 'numpy.complex64'>, <class 'numpy.uint16'>, <class 'numpy.bytes_'>, <class 'numpy.float16'>, <class 'numpy.clongdouble'>, <class 'numpy.int32'>, <class 'numpy.timedelta64'>, <class 'numpy.complex128'>, <class 'numpy.uintc'>, <class 'numpy.int64'>, <class 'numpy.void'>, <class 'numpy.longdouble'>, <class 'numpy.uint8'>, <class 'numpy.uint32'>, <class 'numpy.int16'>, <class 'numpy.uint64'>, <class 'numpy.intc'>, <class 'numpy.int8'>, <class 'numpy.object_'>, <class 'numpy.float64'>, <class 'numpy.bool_'>, <class 'numpy.float32'>, <class 'numpy.datetime64'>, <class 'numpy.str_'>}'''

类型	简写	解释
int8、uint8	i1、u1	有符号和无符号的8位（1个字节）整型
int16、uint16	i2、u2	有符号和无符号的16位（2个字节）整型
int32、uint32	i4、u4	有符号和无符号的32位（4个字节）整型
int64、uint64	i8、u8	有符号和无符号的64位（8个字节）整型
float16	f2	半精度浮点数
float32	f4 或 f	标准的单精度浮点数。与C语言中的 float 兼容
float64	f8 或 d	标准的双精度浮点数。与C语言中的 double 和 python 中的 float 对象兼容
float128	f16 或 g	扩展精度浮点数
complex64、complex128、complex 256	c8、c16、c32	分别用 两个 32位、64位或128位浮点数表示复数
bool	?	存储 True 和 False 值的布尔类型
object	O	python 对象 类型
string_	S	固定长度的字符串类型（每个字符1个字节）: 如果要创建一个长度为 10 的字符串，应对应 S10
unicode_	U	固定长度的unincode类型（字节数由平台决定）: 如果要创建一个长度为 10 的字符串，并且每个字符是1个字节的话，应对应 U10

1. dtype的两个作用

• 指定数据类型
  – arr = np.array(range(10, 20), dtype = 'i2')
• 查看数据类型 arr.dtype

2. 转换数据类型

arr = arr.astype(dtype)：注意需要接收返回值

import numpy as np
dtypeArr = np.array(range(10, 15), dtype = 'i8')
print(dtypeArr, dtypeArr.dtype)
# [10 11 12 13 14] int64

dtypeArr = dtypeArr.astype('f')
print(dtypeArr, dtypeArr.dtype)
# [10. 11. 12. 13. 14.] float32