NumPy教程-NumPy 数据类型

NumPy 提供了比 Python 提供的数值数据类型更多的选择。以下是一些数值数据类型的列表，具体信息如下表所示。

序号	数据类型	描述
1	bool_	代表布尔值，表示真或假。以字节形式存储。
2	int_	默认整数类型。与 C 语言中的 long 类型相同，包含 64 位或 32 位整数。
3	intc	类似于 C 整数 (c int)，表示 32 位或 64 位整数。
4	intp	用于索引的整数类型。
5	int8	8 位整数，与字节相同。取值范围为 -128 到 127。
6	int16	2 字节 (16 位) 整数，取值范围为 -32768 到 32767。
7	int32	4 字节 (32 位) 整数，取值范围为 -2147483648 到 2147483647。
8	int64	8 字节 (64 位) 整数，取值范围为 -9223372036854775808 到 9223372036854775807。
9	uint8	1 字节 (8 位) 无符号整数。
10	uint16	2 字节 (16 位) 无符号整数。
11	uint32	4 字节 (32 位) 无符号整数。
12	uint64	8 字节 (64 位) 无符号整数。
13	float_	与 float64 相同。
14	float16	半精度浮点数。5 位用于指数，10 位用于尾数，1 位用于符号。
15	float32	单精度浮点数。8 位用于指数，23 位用于尾数，1 位用于符号。
16	float64	双精度浮点数。11 位用于指数，52 位用于尾数，1 位用于符号。
17	complex_	与 complex128 相同。
18	complex64	用于表示复数，实部和虚部各占 32 位。
19	complex128	用于表示复数，实部和虚部各占 64 位。

NumPy 数据类型（dtype）

NumPy 数组的所有项都是数据类型对象，也称为 NumPy 数据类型（dtype）。数据类型对象实现了与数组相对应的固定内存大小。

我们可以使用以下语法创建 dtype 对象。

numpy.dtype(object, align, copy)

构造函数接受以下参数：

• object： 要转换为数据类型的对象。
• align： 可以设置为布尔值。如果为 true，则会添加额外的填充以使其等效于 C 结构。
• copy： 创建 dtype 对象的另一个副本。

示例 1

import numpy as np
d = np.dtype(np.int32)
print(d)

输出：

int32

示例 2

import numpy as np
d = np.int32(i4)
print(d)

输出：

int32

创建结构化数据类型

我们可以创建类似于映射（字典）的数据类型，其中包含值之间的映射关系。例如，它可以包含员工和工资之间的映射，或者学生和年龄之间的映射等。

考虑以下示例。

示例 1

import numpy as np
d = np.dtype([('salary', np.float)])
print(d)

输出：

[('salary', '<f8')]

示例 2

import numpy as np
d = np.dtype([('salary', np.float)])
arr = np.array([(10000.12,), (20000.50,)], dtype=d)
print(arr['salary'])

输出：

[(10000.12,) (20000.5 ,)]