NumPy-数据类型 - 芒果文档

📌 相关文章

📜 NumPy-数据类型

📅 最后修改于: 2020-11-08 07:33:13 🧑 作者: Mango

NumPy比Python支持更多的数字类型。下表显示了在NumPy中定义的不同标量数据类型。

Sr.No.	Data Types & Description
1	bool_ Boolean (True or False) stored as a byte
2	int_ Default integer type (same as C long; normally either int64 or int32)
3	intc Identical to C int (normally int32 or int64)
4	intp Integer used for indexing (same as C ssize_t; normally either int32 or int64)
5	int8 Byte (-128 to 127)
6	int16 Integer (-32768 to 32767)
7	int32 Integer (-2147483648 to 2147483647)
8	int64 Integer (-9223372036854775808 to 9223372036854775807)
9	uint8 Unsigned integer (0 to 255)
10	uint16 Unsigned integer (0 to 65535)
11	uint32 Unsigned integer (0 to 4294967295)
12	uint64 Unsigned integer (0 to 18446744073709551615)
13	float_ Shorthand for float64
14	float16 Half precision float: sign bit, 5 bits exponent, 10 bits mantissa
15	float32 Single precision float: sign bit, 8 bits exponent, 23 bits mantissa
16	float64 Double precision float: sign bit, 11 bits exponent, 52 bits mantissa
17	complex_ Shorthand for complex128
18	complex64 Complex number, represented by two 32-bit floats (real and imaginary components)
19	complex128 Complex number, represented by two 64-bit floats (real and imaginary components)

NumPy数值类型是dtype(数据类型)对象的实例，每个对象都有独特的特征。 dtypes可作为np.bool_，np.float32等使用。

数据类型对象(dtype)

数据类型对象根据以下方面描述与数组相对应的固定内存块的解释-

数据类型(整数，浮点数或Python对象)
资料大小
字节顺序(小端或大端)
如果是结构化类型，则使用字段名称，每个字段的数据类型以及每个字段占用的部分存储块。
如果数据类型是子数组，则其形状和数据类型

字节顺序是通过在数据类型前面加上“ <”或“>”来确定的。 “ <”表示编码是小端的(最低有效位存储在最小地址中)。 “>”表示编码为大端(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-

对象-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-struct
复制-制作dtype对象的新副本。如果为false，则结果为对内置数据类型对象的引用

例子1

# using array-scalar type 
import numpy as np 
dt = np.dtype(np.int32) 
print dt

输出如下-

int32

例子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

例子3

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

输出如下-

>i4

以下示例说明了结构化数据类型的使用。在此，将声明字段名称和相应的标量数据类型。

例子4

# first create structured data type 
import numpy as np 
dt = np.dtype([('age',np.int8)]) 
print dt

输出如下-

[('age', 'i1')]

例子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,)]

例子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]

例子7

以下示例使用字符串字段“名称”，整数字段“ age”和浮点字段“ marks”定义了一种称为学生的结构化数据类型。此dtype应用于ndarray对象。

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

输出如下-

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

例子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’ -(带符号)整数
‘u’-无符号整数
‘f’-浮点数
‘c’-复数浮点
‘ m’-timedelta
‘ M’-日期时间
‘O’ -(Python)对象
‘S’，’a’ -(字节)字符串
‘U’ -Unicode
‘V’-原始数据(无效)