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 |
|---|---|
| 1 | bool_ 存储为字节的布尔值（True或False） |
| 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至32767） |
| 7 | int32 整数（-2147483648至2147483647） |
| 8 | int64 整数（-9223372036854775808至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', '<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' - （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）