笔记 | numpy-02.数据类型

#%%
# 常用基本类型
"""
名称	描述
bool_	布尔型数据类型（True 或者 False）
int_	默认的整数类型（类似于 C 语言中的 long，int32 或 int64）

intc	与 C 的 int 类型一样，一般是 int32 或 int 64
intp	用于索引的整数类型（类似于 C 的 ssize_t，一般情况下仍然是 int32 或 int64）

int8	字节（-128 to 127）
int16	整数（-32768 to 32767）
int32	整数（-2147483648 to 2147483647）
int64	整数（-9223372036854775808 to 9223372036854775807）

uint8	无符号整数（0 to 255）
uint16	无符号整数（0 to 65535）
uint32	无符号整数（0 to 4294967295）
uint64	无符号整数（0 to 18446744073709551615）

float_	float64 类型的简写
float16	半精度浮点数，包括：1 个符号位，5 个指数位，10 个尾数位
float32	单精度浮点数，包括：1 个符号位，8 个指数位，23 个尾数位
float64	双精度浮点数，包括：1 个符号位，11 个指数位，52 个尾数位

complex_	complex128 类型的简写，即 128 位复数
complex64	复数，表示双 32 位浮点数（实数部分和虚数部分）
complex128	复数，表示双 64 位浮点数（实数部分和虚数部分）
"""
#%%
# 数据类型对象
"""
数据的类型 (整数，浮点数或者 Python 对象)
数据的大小 (例如，整数使用多少个字节存储)
数据的字节顺序 (小端法或大端法)
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所取的内存块的部分
如果数据类型是子数组，那么它的形状和数据类型是什么
"""
"""
字节顺序是通过对数据类型预先设定 < 或 > 来决定的
< 意味着小端法 (最小值存储在最小的地址，即低位组放在最前面)
> 意味着大端法 (最重要的字节存储在最小的地址，即高位组放在最前面)
"""
#%%
# numpy.dtype(object, align, copy)numpy.dtype(object, align, copy)
"""
object - 要转换为的数据类型对象
align - 如果为 true，填充字段使其类似 C 的结构体。
copy - 复制 dtype 对象 ，如果为 false，则是对内置数据类型对象的引用
"""
#%%
import numpy as np

dt = np.dtype(np.int32)
dt
#%%
# int8, int16, int32, int64 四种数据类型可以使用字符串 'i1', 'i2','i4','i8' 代替
import numpy as np

dt1 = np.dtype('i1')  # int8
dt2 = np.dtype('i2')  # int16
dt4 = np.dtype('i4')  # int32
dt8 = np.dtype('i8')  # int64

dt1, dt2, dt4, dt8
#%%
# 字节顺序标注
import numpy as np

dt = np.dtype('<i4')
dt
#%%
# 首先创建结构化数据类型
import numpy as np

dt = np.dtype([('age', np.uint8)]) # np.int8 -128~127 | np.uint8 0~255
a = np.array([
    (10,),
    (20,),
    (30,)
], dtype=dt)

print(dt)
a
#%%
# 类型字段名可以用于存取实际的 age 列

a['age']
#%%
# 下面的示例定义一个结构化数据类型 student，包含字符串字段 name，整数字段 age，及浮点字段 marks，并将这个 dtype 应用到 ndarray 对象。
import numpy as np
student = np.dtype([
    ('name', 'S20'), # (byte-)字符串 S(大写) 20长度
    ('age', 'u1'), # 整型 无符号 uint8 | 0~255
    ('marks', 'f4') # 浮点数 | float32 | 单精度浮点数，包括：1 个符号位，8 个指数位，23 个尾数位
])
print(np.dtype('f4'))
student
#%%
a = np.array([
    ('abc', 21, 50),
    ('xyz', 18, 75),
], dtype=student)
a
#%%
"""
b	布尔型
i	(有符号) 整型
u	无符号整型 integer
f	浮点型
c	复数浮点型
m	timedelta（时间间隔）
M	datetime（日期时间）
O	(Python) 对象
S, a	(byte-)字符串 | S大写 |
U	Unicode | 大写 |
V	原始数据 (void) | 大写 |
"""

print(np.dtype('i1'), np.dtype('i2'), np.dtype('i4'), np.dtype('i8'),) # int8 int16 int32 int64
print(np.dtype('u1'), np.dtype('u2'), np.dtype('u4'), np.dtype('u8'),)  # uint8 uint16 uint32 uint64
print(np.dtype('f2'), np.dtype('f4'), np.dtype('f8'),)  # float16 float32 float64
print(np.dtype('c8'),)  # complex64
#%%