NumPy - 数据类型

简述

NumPy 支持的数字类型比 Python 多得多。下表显示了 NumPy 中定义的不同标量数据类型。

序号	数据类型和描述
1	bool_ 存储为字节的布尔值（真或假）
2	int_ 默认整数类型（与 C long 相同；通常为 int64 或 int32）
3	intc 与 C int 相同（通常为 int32 或 int64）
4	intp 用于索引的整数（与 C ssize_t 相同；通常为 int32 或 int64）
5	int8 字节（-128 到 127）
6	int16 整数（-32768 到 32767）
7	int32 整数（-2147483648 到 2147483647）
8	int64 整数（-9223372036854775808 到 9223372036854775807）
9	uint8 无符号整数（0 到 255）
10	uint16 无符号整数（0 到 65535）
11	uint32 无符号整数（0 到 4294967295）
12	uint64 无符号整数（0 到 18446744073709551615）
13	float_ float64 的简写
14	float16 半精度浮点数：符号位、5 位指数、10 位尾数
15	float32 单精度浮点数：符号位、8 位指数、23 位尾数
16	float64 双精度浮点数：符号位、11 位指数、52 位尾数
17	complex_ complex128 的简写
18	complex64 复数，由两个 32 位浮点数（实部和虚部）表示
19	complex128 复数，由两个 64 位浮点数（实部和虚部）表示

NumPy 数值类型是 dtype（数据类型）对象的实例，每个对象都有独特的特征。dtypes 可用作 np.bool_、np.float32 等。

数据类型对象 (dtype)

数据类型对象描述了与数组相对应的固定内存块的解释，具体取决于以下方面 -
- 数据类型（整数、浮点数或 Python 对象）
- 数据大小
- 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以及每个字段占用的内存块的一部分。
- 如果数据类型是子数组，它的形状和数据类型
字节顺序是通过在数据类型前加上“<”或“>”来决定的。'<' 表示编码是小端（最低有效存储在最小地址中）。'>' 表示编码是大端（最高有效字节存储在最小地址中）。

使用以下语法构造 dtype 对象 -
```
numpy.dtype(object, align, copy)
```
参数是 -
- Object− 转换为数据类型对象
- Moogn− 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，则结果是对内置数据类型对象的引用
示例 1
```
# using array-scalar type 
import numpy as np 
dt = np.dtype(np.int32) 
print dt
```
输出如下 -
```
int32
```
示例 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
```
示例 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。在这里，要声明字段名称和相应的标量数据类型。

示例 4
```
# first create structured data type 
import numpy as np 
dt = np.dtype([('age',np.int8)]) 
print dt 
```
输出如下 -
```
[('age', 'i1')] 
```
示例 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

以下示例定义了一种结构化数据类型，称为student带有字符串字段“名称”，一个integer field“年龄”和一个float field'分数'。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', '<f4')])
```
例 8
```
import 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'- （有符号）整数
- 'u'− 无符号整数
- 'f'− 浮点数
- 'c'− 复数浮点
- 'm'- 时间增量
- 'M'- 日期时间
- 'O'- (Python) 对象
- 'S', 'a'- （字节）字符串
- 'U'- 统一码
- 'V'− 原始数据（无效）

NumPy - 数据类型

简述

数据类型对象 (dtype)

示例 1

示例 2

示例 3

示例 4

示例 5

例 6

例 7

例 8