Python numpy資料型別

本章內容了解 numpy 資料。numpy陣列屬性詳見

numpy 支援的資料型別比 python 內建的型別要多很多，基本上可以和 c 語言的資料型別對應上，其中部分型別對應為 python 內建的型別。下表列舉了常用 numpy 基本型別。

名稱描述

bool_

布林型資料型別（true 或者 false）

int_

預設的整數型別（類似於 c 語言中的 long，int32 或 int64）

intc

與 c 的 int 型別一樣，一般是 int32 或 int 64

intp

用於索引的整數型別（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 型別的簡寫

float16

半精度浮點數，包括：1 個符號位，5 個指數字，10 個尾數字

float32

單精度浮點數，包括：1 個符號位，8 個指數字，23 個尾數字

float64

雙精度浮點數，包括：1 個符號位，11 個指數字，52 個尾數字

complex_

complex128 型別的簡寫，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 的數值型別實際上是 dtype 物件的例項，並對應唯一的字元，包括 np.bool_，np.int32，np.float32，等等。

資料型別物件是用來描述與陣列對應的記憶體區域如何使用，這依賴如下幾個方面：

位元組順序是通過對資料型別預先設定"<"或">"來決定的。"<"意味著小端法(最小值儲存在最小的位址，即低位組放在最前面)。">"意味著大端法(最重要的位元組儲存在最小的位址，即高位組放在最前面)。

dtype 物件是使用以下語法構造的：

numpy.dtype(object, align, copy)

import numpy as np # 使用標量型別

dt = np.dtype(np.int32)

print(dt)

例項 2

import numpy as np # int8, int16, int32, int64 四種資料型別可以使用字串 'i1', 'i2','i4','i8' 代替

dt = np.dtype('i4')

print(dt)

例項 3

import numpy as np # 位元組順序標註

dt = np.dtype('print(dt)

下面例項展示結構化資料型別的使用，型別欄位和對應的實際型別將被建立。

例項 4

import numpy as np # 首先建立結構化資料型別

dt = np.dtype([('age',np.int8)])

print(dt)

例項 5

import numpy as np# 將資料型別應用於 ndarray 物件

dt = np.dtype([('age',np.int8)])

a = np.array([(10,),(20,),(30,)], dtype = dt)

print(a)

例項 6

import numpy as np # 型別欄位名可以用於訪問實際的 age 列

dt = np.dtype([('age',np.int8)])

a = np.array([(10,),(20,),(30,)], dtype = dt)

print(a['age'])

下面的示例定義乙個結構化資料型別 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 物件。

例項 7

import numpy as np

student = np.dtype([('name','s20'), ('age', 'i1'), ('marks', 'f4')])

print(student)

例項 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)

每個內建型別都有乙個唯一定義它的字元**，如下：

字元對應型別

b布林型

i(有符號) 整型

u無符號整型 integer

f浮點型

c複數浮點型

mtimedelta（時間間隔）

mdatetime（日期時間）

o(python) 物件

s, a

(byte-)字串

uunicode

v原始資料 (void)

python numpy 資料型別轉換

numpy資料型別轉換需要呼叫方法astype 不能直接修改dtype。呼叫astype返回資料型別修改後的資料，但是源資料的型別不會變，需要進一步對源資料的賦值操作才能改變。例如 a np.array 1.1,1.2 a.dtype dtype float64 a.astype np.int16 ...

python numpy 資料型別轉換

python numpy 資料型別轉換 numpy資料型別轉換需要呼叫方法astype 不能直接修改dtype。呼叫astype返回資料型別修改後的資料，但是源資料的型別不會變，需要進一步對源資料的賦值操作才能改變。例如 a np.array 1.1,1.2 a.dtype dtype float6...

python numpy 資料型別轉換

a np.array 1.1,1.2 a.dtype dtype float64 a.astype np.int16 array 1,1 dtype int16 a.dtype dtype float64 a的資料型別並沒有變 a a.astype np.int16 賦值操作後a的資料型別變化 a....