NumPy 数据类型
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；通常是 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；通常是 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 数字类型是 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对数组对应的固定内存块的解释，取决于以下几个方面：
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和每个字段占用的部分内存块。
如果数据类型是子数组，则其形状和数据类型
字节顺序由数据类型前缀“
使用以下语法构造 dtype 对象：
numpy.dtype(object, align, copy)
参数为：
Object： 转换为数据类型对象
Align： 如果为true，则在字段中添加padding，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
下面的例子展示了结构化数据类型的使用。这里要声明字段名和对应的标量数据类型。
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')]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
下面的例子定义了一个名为student的结构化数据类型，有一个字符串字段'name'，一个整数字段'age'和一个浮点数字段'mark'。这个数据类型被应用于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
'c'： 复数浮点数
'm'： 时间增量
'M'： 约会时间
'O'： (Python) 对象
'S', 'a'： (byte-)string
'U'： 统一码
'V'： 原始数据(无效)