每个ndarray都有一个关联的数据类型(dtype)对象。此数据类型对象(dtype)告知我们有关数组布局的信息。这意味着它为我们提供了有关以下信息：

• 数据类型(整数，浮点数，Python对象等)
• 数据大小(字节数)
• 数据的字节顺序(小端或大端)

ndarray的值存储在缓冲区中，可以将其视为内存字节的连续块。因此，如何解释这些字节由dtype对象给出。
1, 构造数据类型(dtype)对象：数据类型对象是numpy.dtype类的实例，可以使用numpy.dtype创建它。
参数：

• • obj：要转换为数据类型对象的对象。
  • align：bool，可选，在字段中添加填充以匹配C编译器，为相似的C结构输出的内容。
  • copy：bool，可选，新建数据类型对象的副本。如果为False，则结果可能只是对内置数据类型对象的引用。

    # Python程序创建数据类型对象
    import numpy as np
    # np.int16转换为数据类型对象.
    print(np.dtype(np.int16))

    输出：

    int16

    # Python程序创建包含32位大端整数的数据类型对象
    import numpy as np
    # i4代表大小为4字节的整数
    # >表示大端字节顺序，而<表示小端字节编码.
    # dt是dtype对象
    dt = np.dtype('>i4')
    print("字节顺序为:",dt.byteorder)
    print("尺寸为:",dt.itemsize)
    print("数据类型为:",dt.name)

    输出：

    字节顺序为: >
    尺寸为: 4
    数据类型为: int32

    类型说明符(以上情况为i4)可以采用不同的形式：

    1. b1，i1，i2，i4，i8，u1，u2，u4，u8，f2，f4，f8，c8，c16，a
       (表示字节，整数，无符号整数，浮点数，指定字节长度的复数和固定长度字符串)
    2. int8，…，uint8，…，float16，float32，float64，complex64，complex128
       (这次具有位大小)

    注意 ：

    dtype与type不同.

    # Python程序区分和dtype。
    import numpy as np
    a = np.array([1])
    print("类型是: ",type(a))
    print("dtype是: ",a.dtype)

    输出：

    类型是: 
    dtype是:  int32

     

2, 具有结构化数组的数据类型对象：数据类型对象对于创建结构化数组很有用。结构化数组是包含不同类型数据的数组。可以借助字段来访问结构化数组。字段就像为对象指定名称一样,在结构化数组的情况下，dtype对象也将被结构化。

# Python程序演示字段的使用
import numpy as np
# 结构化数据类型，包含16个字符的字符串(在“name"字段中)和两个64位浮点数的子数组(在“grades"字段中)
dt = np.dtype([('name', np.unicode_, 16), ('grades', np.float64, (2,))])
# 具有字段等级的对象的数据类型
print(dt['grades'])
# 具有字段名称的对象的数据类型
print(dt['name'])

输出：

('

# Python程序演示将数据类型对象与结构化数组一起使用。
import numpy as np
dt = np.dtype([('name', np.unicode_, 16), ('grades', np.float64, (2,))])
# x是具有学生姓名和分数的结构化数组.
# 学生姓名的数据类型为np.unicode_，标记的数据类型为np.float(64)
x = np.array([('Sarah', (8.0, 7.0)), ('John', (6.0, 7.0))], dtype=dt)
print(x[1])
print("约翰的成绩是: ",x[1]['grades'])
print("名字是: ",x['name'])

('John', [ 6.,  7.])
约翰的成绩是:  [ 6.  7.]
名字是:  ['Sarah' 'John']