NumPy數據類型

NumPy - 數據類型

NumPy 支持比 Python 更多種類的數值類型。 下表顯示了 NumPy 中定義的不同標量數據類型。

NumPy 數字類型是dtype(數據類型)對象的實例，每個對象具有唯一的特徵。 這些類型可以是np.bool_，np.float32等。

數據類型對象 (dtype)

數據類型對象描述了對應於數組的固定記憶體塊的解釋，取決於以下方面：

• 數據類型(整數、浮點或者 Python 對象)

• 數據大小

• 位元組序(小端或大端)

• 在結構化類型的情況下，字段的名稱，每個字段的數據類型，和每個字段佔用的記憶體塊部分。

• 如果數據類型是子序列，它的形狀和數據類型。

位元組順序取決於數據類型的首碼<或>。<意味著編碼是小端(最小有效位元組存儲在最小地址中)。>意味著編碼是大端(最大有效位元組存儲在最小地址中)。

dtype可由一下語法構造：

numpy.dtype(object, align, copy)

參數為：

• Object：被轉換為數據類型的對象。

• Align：如果為true，則向字段添加間隔，使其類似 C 的結構體。

• Copy? 生成dtype對象的新副本，如果為flase，結果是內建數據類型對象的引用。

示例 1

# 使用數組標量類型
import numpy as np
dt = np.dtype(np.int32)
print dt

輸出如下：

int32

示例 2

#int8，int16，int32，int64 可替換為等價的字串 'i1'，'i2'，'i4'，以及其他。

import numpy as np

dt = np.dtype('i4')
print dt

輸出如下：

int32

示例 3

# 使用端記號

import numpy as np
dt = np.dtype('>i4')
print dt

輸出如下：

>i4

下麵的例子展示了結構化數據類型的使用。 這裏聲明了字段名稱和相應的標量數據類型。

示例 4

# 首先創建結構化數據類型。

import numpy as np
dt = np.dtype([('age',np.int8)])
print dt

輸出如下：

[('age', 'i1')]

示例 5

# 現在將其應用於 ndarray 對象
import numpy as np

dt = np.dtype([('age',np.int8)])
a = np.array([(10,),(20,),(30,)], dtype = dt)
print a

輸出如下：

[(10,) (20,) (30,)]

示例 6

# 檔案名稱可用於訪問 age 列的內容
import numpy as np

dt = np.dtype([('age',np.int8)])
a = np.array([(10,),(20,),(30,)], dtype = dt)
print a['age']

輸出如下：

[10 20 30]

示例 7

以下示例定義名為 student 的結構化數據類型，其中包含字串字段name，整數字段age和浮點字段marks。 此dtype應用於ndarray對象。

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

輸出如下：

[('name', 'S20'), ('age', 'i1'), ('marks', '<f4')])

示例 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

輸出如下：

[('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：

• 'b'：布爾值

• 'i'：符號整數

• 'u'：無符號整數

• 'f'：浮點

• 'c'：複數浮點

• 'm'：時間間隔

• 'M'：日期時間

• 'O'：Python 對象

• 'S', 'a'：位元組串

• 'U'：Unicode

• 'V'：原始數據(void)