NumPy 数据类型

NumPy 是 Python 语言的一个扩展程序库，支持大量高维数组与矩阵运算，针对这种数据结构设计了大量函数与方法。NumPy 是 SciPy、Pandas、SciKit 的基础库。

在 NumPy 中，数组类型被称为 dtype，主要用于数组、矩阵等对象的表示和操作。本文将为您介绍常见的 NumPy 数据类型。

布尔型（bool）

用于表示布尔类型的数组。

import numpy as np

b = np.array([True, False])
print(b.dtype)  # 输出 bool

整数型

有符号整数（int）

包括 8 位（byte）、16 位（short）、32 位（int）和 64 位（longlong）整数。

import numpy as np

i8 = np.array([1, 2, 3], dtype=np.int8)
print(i8.dtype)  # 输出 int8

i16 = np.array([1, 2, 3], dtype=np.int16)
print(i16.dtype)  # 输出 int16

i32 = np.array([1, 2, 3], dtype=np.int32)
print(i32.dtype)  # 输出 int32

i64 = np.array([1, 2, 3], dtype=np.int64)
print(i64.dtype)  # 输出 int64

无符号整数（uint）

和有符号整数一样，包括 8 位（ubyte）、16 位（ushort）、32 位（uint）和 64 位（ulonglong）整数。

import numpy as np

u8 = np.array([1, 2, 3], dtype=np.uint8)
print(u8.dtype)  # 输出 uint8

u16 = np.array([1, 2, 3], dtype=np.uint16)
print(u16.dtype)  # 输出 uint16

u32 = np.array([1, 2, 3], dtype=np.uint32)
print(u32.dtype)  # 输出 uint32

u64 = np.array([1, 2, 3], dtype=np.uint64)
print(u64.dtype)  # 输出 uint64

浮点型

单精度浮点数（float）

单精度浮点数用 32 位表示。

import numpy as np

f = np.array([1.1, 2.2, 3.3], dtype=np.float32)
print(f.dtype)  # 输出 float32

双精度浮点数（double）

双精度浮点数用 64 位表示。

import numpy as np

d = np.array([1.1, 2.2, 3.3], dtype=np.float64)
print(d.dtype)  # 输出 float64

复数型

单精度复数（complex）

包括 64 位实数和 64 位虚数。

import numpy as np

c = np.array([1 + 2j, 2 + 3j], dtype=np.complex64)
print(c.dtype)  # 输出 complex64

双精度复数（complex）

包括 128 位实数和 128 位虚数。

import numpy as np

z = np.array([1 + 2j, 2 + 3j], dtype=np.complex128)
print(z.dtype)  # 输出 complex128

字符串型

字符串类型可以用 S+N 来表示，其中 N 为长度。

import numpy as np

s = np.array(['a', 'bc', 'def'], dtype='S4')
print(s.dtype)  # 输出 |S4

对象型

指向 Python 对象的指针，用于存储任意 Python 对象。

import numpy as np

o = np.array([1, 'a', [2, 'b']], dtype=object)
print(o.dtype)  # 输出 object