Numpy: 数据类型

数据类型

numpy 支持的数据类型比 Python 内置的类型要多很多，基本上可以和 C 语言的数据类型对应上，其中部分类型对应为 Python 内置的类型。下表列举了常用 NumPy 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）

numpy 的数值类型实际上是 dtype 对象的实例，并对应唯一的字符，包括 np.bool_，np.int32，np.float32，等等。

举例

>>> dt = np.dtype(np.int32)
>>> print(dt)
int32

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

数据类型编码

每个内建类型都有一个唯一定义它的字符代码，如下：
字符 	对应类型
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
U	Unicode
V 	原始数据 (void)

举例

>>> dt = np.dtype('S20')
>>> print(dt)
|S20
>>> dt = np.dtype('f4')
>>> print(dt)
float32
>>>

结构化数据类型

下面实例展示结构化数据类型的使用，类型字段和对应的实际类型将被创建。

实例 4

# 首先创建结构化数据类型
import numpy as np
dt = np.dtype([('age',np.int8)]) 
print(dt)

输出结果为：

[('age', 'i1')]

实例 5

# 将数据类型应用于 ndarray 对象
import numpy as np
dt = np.dtype([('age',np.int8)]) 
a = np.array([(10,),(20,),(30,)], dtype = dt) 
print(a)

输出结果为：

[(10,) (20,) (30,)]

实例 6

# 类型字段名可以用于存取实际的 age 列
import numpy as np
dt = np.dtype([('age',np.int8)]) 
a = np.array([(10,),(20,),(30,)], dtype = dt) 
print(a['age'])

输出结果为：

[10 20 30]

实例 7

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'), ('age', 'i1'), ('marks', 'f4')]) 
print(student)

输出结果为：

[('name', 'S20'), ('age', 'i1'), ('marks', 'f4')]

实例 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)

输出结果为：

[('abc', 21, 50.0), ('xyz', 18, 75.0)]