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)