NumPy 數(shù)據(jù)類(lèi)型

NumPy 數(shù)據(jù)類(lèi)型說(shuō)明和實(shí)例

數(shù)據(jù)類(lèi)型，即 dtype ，也是一個(gè)特殊的對(duì)象， 它包含了ndarray需要為某一種類(lèi)型數(shù)據(jù)所申明的內(nèi)存塊信息（也成為了元數(shù)據(jù)，即表示數(shù)據(jù)的數(shù)據(jù)）dtype是NumPy能夠與琪他系統(tǒng)數(shù)據(jù)靈活交互的原因。通常，其他系統(tǒng)提供一個(gè)硬盤(pán)或內(nèi)存與數(shù)據(jù)的對(duì)應(yīng)關(guān)系，使得利用C或Fortran等底層語(yǔ)言讀寫(xiě)數(shù)據(jù)變得十分方便。

numpy 支持的數(shù)據(jù)類(lèi)型比 Python內(nèi)置數(shù)據(jù)類(lèi)型要多很多，基本上可以和 C 語(yǔ)言的數(shù)據(jù)類(lèi)型對(duì)應(yīng)上，其中部分類(lèi)型對(duì)應(yīng)為 Python 內(nèi)置的類(lèi)型。下表列舉了常用 NumPy 基本類(lèi)型。

記不住這些NumPy的dtype也沒(méi)關(guān)系，新手更是如此。通常只需要知道你所處理的數(shù)據(jù)的大致類(lèi)型是浮點(diǎn)數(shù)、復(fù)數(shù)、整數(shù)、布爾值、字符串，還是普通的Python對(duì)象即可。當(dāng)你需要控制數(shù)據(jù)在內(nèi)存和磁盤(pán)中的存儲(chǔ)方式時(shí)（尤其是對(duì)大數(shù)據(jù)集），那就得了解如何控制存儲(chǔ)類(lèi)型。

numpy 的數(shù)值類(lèi)型實(shí)際上是 dtype 對(duì)象的實(shí)例，并對(duì)應(yīng)唯一的字符，包括 np.bool_，np.int32，np.float32，等等。

數(shù)據(jù)類(lèi)型對(duì)象 (dtype)

數(shù)據(jù)類(lèi)型對(duì)象是用來(lái)描述與數(shù)組對(duì)應(yīng)的內(nèi)存區(qū)域如何使用，這依賴(lài)如下幾個(gè)方面：

數(shù)據(jù)的類(lèi)型 - 例如，浮點(diǎn)數(shù)、復(fù)數(shù)、整數(shù)、布爾值、字符串或者 Python 對(duì)象。數(shù)據(jù)的大小 - 例如，整數(shù)使用多少個(gè)字節(jié)存儲(chǔ)。數(shù)據(jù)的字節(jié)順序 - 小端法或大端法

字節(jié)順序是通過(guò)對(duì)數(shù)據(jù)類(lèi)型預(yù)先設(shè)定"<"或">"來(lái)決定的。"<"意味著小端法(最小值存儲(chǔ)在最小的地址，即低位組放在最前面)。">"意味著大端法(最重要的字節(jié)存儲(chǔ)在最小的地址，即高位組放在最前面)。

dtype 對(duì)象是使用以下語(yǔ)法構(gòu)造的：

 numpy.dtype(object, align, copy)

object - 要轉(zhuǎn)換為的數(shù)據(jù)類(lèi)型對(duì)象align - 如果為 true，填充字段使其類(lèi)似 C 的結(jié)構(gòu)體。copy - 復(fù)制 dtype 對(duì)象 ，如果為 false，則是對(duì)內(nèi)置數(shù)據(jù)類(lèi)型對(duì)象的引用

實(shí)例

接下來(lái)我們可以通過(guò)實(shí)例來(lái)理解。

>>> import numpy as np
>>> a = np.dtype(np.float32)
>>> print(a)
float32

# int8, int16, int32, int64 四種數(shù)據(jù)類(lèi)型可以使用字符串 'i1', 'i2','i4','i8' 代替 
>>> import numpy as np
>>> a = np.dtype('i8')
>>> print(a)
int64

下面實(shí)例展示結(jié)構(gòu)化數(shù)據(jù)類(lèi)型的使用，類(lèi)型字段和對(duì)應(yīng)的實(shí)際類(lèi)型將被創(chuàng)建。

>>> import numpy as np
>>> a = np.dtype([('number',np.int16)]) # 數(shù)據(jù)類(lèi)型應(yīng)用于 ndarray 對(duì)象 
>>> print(a)
[('number', '<i2')]
>>> arr = np.array([(1,),(2,),(3,)], dtype = a)
>>> print(arr)
[(1,) (2,) (3,)]
>>> print(arr['number']) # 類(lèi)型字段名可以用于存取實(shí)際的 number 列
[1 2 3]

下面的示例定義一個(gè)結(jié)構(gòu)化數(shù)據(jù)類(lèi)型animal，包含字符串字段 name，整數(shù)字段 age，及浮點(diǎn)字段 marks，并將這個(gè) dtype 應(yīng)用到 ndarray 對(duì)象。

>>> import numpy as np
>>> animal = np.dtype([('name','S20'), ('age', 'i1'), ('marks', 'f4')])
>>> print(animal)
[('name', 'S20'), ('age', 'i1'), ('marks', '
                                <f4')] 
>>> a = np.array([('cat', 5, 10),('dog', 4, 35),('lion',8,18)], dtype = animal)
>>> print(a)
[(b'cat', 5, 10.) (b'dog', 4, 35.) (b'lion', 8, 18.)]

使用astype方法可以顯式的轉(zhuǎn)換數(shù)組的數(shù)據(jù)類(lèi)型，具體實(shí)例如下：

>>> import numpy as np
>>> arr = np.array([1,2,3,4,5])
>>> print(arr.dtype)
int64
>>> print(arr)
[1 2 3 4 5]
>>> float_arr = arr.astype('float32') # 也以寫(xiě)作 arr.astype(np.float32)
>>> print(float_arr.dtype)
float32
>>> print(float_arr)
[1. 2. 3. 4. 5.]

還可以用其他數(shù)組的dtype來(lái)轉(zhuǎn)換數(shù)據(jù)類(lèi)型，具體實(shí)例如下：

>>> import numpy as np
>>> int_arr = np.arange(10)
>>> calibers = np.array([.22, .270, .357], dtype=np.float64)
>>> print(calibers)
[0.22 0.27 0.357]
>>> arr_last = int_arr.astype(calibers.dtype)
>>> print(arr_last.dtype)
float64
>>> print(arr_last)
[0. 1. 2. 3. 4. 5. 6. 7. 8. 9.]

每個(gè)內(nèi)建類(lèi)型都有一個(gè)唯一定義它的字符代碼，如下：