HTML CSS JAVASCRIPT BOOTSTRAP JQUERY PHP SQL PYTHON PYTHON2 JAVA C C++ C# Linux AI 教程库 参考手册 测验 练习 HOWTO FAQ
❮ 上一节 下一节 ❯

NumPy - 数据类型

NumPy 支持的数值类型比 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 & 描述
1

bool_

布尔值（True 或 False）存储为一个字节
2

int_

默认整数类型（与 C long 相同；通常为 int64 或 int32）
3

intc

等同于 C int（通常是 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 数字类型是 dtype（数据类型）对象的实例，每个对象都具有独特的特征。 dtype 可用作 np.bool_、np.float32 等。

数据类型对象（dtype）

一个数据类型的对象描述了一个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）

  • 如果是结构化类型，字段的名称、每个字段的数据类型以及每个字段占用的部分内存块。

  • 如果数据类型是子数组，它的形状和数据类型

字节顺序由数据类型前加前缀 '<' 或 '>' 决定。 '<' 表示编码是小端编码（最低有效存储在最小地址中）。 '>' 表示编码是大端编码（最高有效字节存储在最小地址中）。

dtype 对象使用以下语法构造 −

numpy.dtype(object, align, copy)

参数是 −

  • Object − 要转换为数据类型对象

  • Align − 如果为 true，则向该字段添加填充以使其类似于 C 结构

  • 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

输出结果如下 −

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

输出结果如下 −

int32

示例 3

# using endian notation 
import numpy as np 
dt = np.dtype('>i4') 
print dt

输出结果如下 −

>i4

下面的例子展示了结构化数据类型的使用。 此处，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

输出结果如下 −

[('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

输出结果如下 −

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

示例 6

# 文件名可用于访问年龄列的内容
import numpy as np 

dt = np.dtype([('age',np.int8)]) 
a = np.array([(10,),(20,),(30,)], dtype = dt) 
print a['age']

输出结果如下 −

[10 20 30]

示例 7

以下示例定义了一个名为student 的结构化数据类型，其中包含一个字符串字段"name"、一个integer 字段"age"和一个float 字段 'marks'。 此 dtype 应用于 ndarray 对象。

import numpy as np 
student = np.dtype([('name','S20'), ('age', 'i1'), ('marks', 'f4')]) 
print student

输出结果如下 −

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

示例 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' − 日期时间

  • 'O' − (Python) 对象

  • 'S', 'a' − （字节）字符串

  • 'U' − Unicode

  • 'V' − 原始数据（作废）

❮ 上一节 下一节 ❯