NumPy 數據類型
numpy 支持的數據類型比 Python 內置的類型要多很多，基本上可以和 C 語言的數據類型對應上，其中部分類型對應為 Python 內置的類型。下表列舉了常用 NumPy 基本類型。
| 名稱 | 描述 |
|---|---|
| bool_ | 布爾型數據類型（True 或者 False） |
| int_ | 默認的整數類型（類似於 C 語言中的 long，int32 或 int64） |
| intc | 與 C 的 int 類型一樣，一般是 int32 或 int 64 |
| intp | 用於索引的整數類型（類似於 C 的 ssize_t，一般情況下仍然是 int32 或 int64） |
| int8 | 位元組（-128 to 127） |
| int16 | 整數（-32768 to 32767） |
| int32 | 整數（-2147483648 to 2147483647） |
| int64 | 整數（-9223372036854775808 to 9223372036854775807） |
| uint8 | 無符號整數（0 to 255） |
| uint16 | 無符號整數（0 to 65535） |
| uint32 | 無符號整數（0 to 4294967295） |
| uint64 | 無符號整數（0 to 18446744073709551615） |
| float_ | float64 類型的簡寫 |
| float16 | 半精度浮點數，包括：1 個符號位，5 個指數位，10 個尾數位 |
| float32 | 單精確度浮點數，包括：1 個符號位，8 個指數位，23 個尾數位 |
| float64 | 雙精度浮點數，包括：1 個符號位，11 個指數位，52 個尾數位 |
| complex_ | complex128 類型的簡寫，即 128 位複數 |
| complex64 | 複數，表示雙 32 位浮點數（實數部分和虛數部分） |
| complex128 | 複數，表示雙 64 位浮點數（實數部分和虛數部分） |
numpy 的數值類型實際上是 dtype 對象的實例，並對應唯一的字元，包括 np.bool_，np.int32，np.float32，等等。
數據類型對象 (dtype)
數據類型對象是用來描述與數組對應的記憶體區域如何使用，這依賴如下幾個方面：
- 數據的類型（整數，浮點數或者 Python 對象）
- 數據的大小（例如， 整數使用多少個位元組存儲）
- 數據的位元組順序（小端法或大端法）
- 在結構化類型的情況下，字段的名稱、每個字段的數據類型和每個字段所取的記憶體塊的部分
- 如果數據類型是子數組，它的形狀和數據類型
位元組順序是通過對數據類型預先設定"<"或">"來決定的。"<"意味著小端法(最小值存儲在最小的地址，即低位組放在最前面)。">"意味著大端法(最重要的位元組存儲在最小的地址，即高位組放在最前面)。
dtype 對象是使用以下語法構造的：
numpy.dtype(object, align, copy)
- object - 要轉換為的數據類型對象
- align - 如果為 true，填充字段使其類似 C 的結構體。
- copy - 複製 dtype 對象 ，如果為 false，則是對內置數據類型對象的引用
實例
接下來我們可以通過實例來理解。
實例 1
import numpy as np
# 使用標量類型
dt = np.dtype(np.int32)
print(dt)
輸出結果為：
int32
實例 2
import numpy as np
# int8, int16, int32, int64 四種數據類型可以使用字串 'i1', 'i2','i4','i8' 代替
dt = np.dtype('i4')
print(dt)
輸出結果為：
int32
實例 3
import numpy as np
# 位元組順序標注
dt = np.dtype('<i4')
print(dt)
輸出結果為：
int32
下麵實例展示結構化數據類型的使用，類型字段和對應的實際類型將被創建。
實例 4
# 首先創建結構化數據類型
import numpy as np
dt = np.dtype([('age',np.int8)])
print(dt)
輸出結果為：
[('age', 'i1')]
實例 5
# 將數據類型應用於 ndarray 對象
import numpy as np
dt = np.dtype([('age',np.int8)])
a = np.array([(10,),(20,),(30,)], dtype = dt)
print(a)
輸出結果為：
[(10,) (20,) (30,)]
實例 6
# 類型字段名可以用於存取實際的 age 列
import numpy as np
dt = np.dtype([('age',np.int8)])
a = np.array([(10,),(20,),(30,)], dtype = dt)
print(a['age'])
輸出結果為：
[10 20 30]
下麵的示例定義一個結構化數據類型 student，包含字串字段 name，整數字段 age，及浮點字段 marks，並將這個 dtype 應用到 ndarray 對象。
實例 7
import numpy as np
student = np.dtype([('name','S20'), ('age', 'i1'), ('marks', 'f4')])
print(student)
輸出結果為：
[('name', 'S20'), ('age', 'i1'), ('marks', 'f4')]
實例 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)
輸出結果為：
[('abc', 21, 50.0), ('xyz', 18, 75.0)]
每個內建類型都有一個唯一定義它的字元代碼，如下：
| 字元 | 對應類型 |
|---|---|
| b | 布爾型 |
| i | (有符號) 整型 |
| u | 無符號整型 integer |
| f | 浮點型 |
| c | 複數浮點型 |
| m | timedelta（時間間隔） |
| M | datetime（日期時間） |
| O | (Python) 對象 |
| S, a | (byte-)字串 |
| U | Unicode |
| V | 原始數據 (void) |