numpy資料型別

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
64intp    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）

dtype 物件是使用以下語法構造的：

numpy.dtype(object

, align, copy)
#object -要轉換為的資料型別物件
#align - 如果為 true
，填充欄位使其類似 c 的結構體。
#copy - 複製 dtype 物件 ，如果為 false，則是對內建資料型別物件的引用

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)
# 結果
int32

類似的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
m    timedelta（時間間隔）
m    datetime（日期時間）
o    (python) 物件
s, a    (
byte-)字串
u    unicode
v    原始資料 (
void)

例子：

import numpy as

npstudent = np.dtype([('
name
','s20
'),('
age','
i'),('
marks
','f8
')])
a = np.array([('
xiaoming
', 20, 67.187565216511651521),('
xiaohon
', 19, 56)],dtype =student)
print(a)
# 結果
[(b'xiaoming', 20, 67.18756522) (b'xiaohon', 19, 56.        )]

NumPy 資料型別

numpy 支援比 python 更多種類的數值型別。下表顯示了 numpy 中定義的不同標量資料型別。序號資料型別及描述 1.bool 儲存為乙個位元組的布林值 真或假 2.int 預設整數，相當於 c 的long，通常為int32或int64 3.intc相當於 c 的int，通常為int32或...

NumPy 資料型別

numpy提供的數值型別，數值範圍比python提供的數值型別更大。numpy的數值型別，如下表所示 sn資料型別描述1 bool 布林值，取值ture false，占用乙個位元組 2int 是integer的預設型別。與c語言中的long型別相同，有可能是64位或32位。3intc 類似於c語言中...

Numpy資料型別

numpy是python的一種開源的數值計算擴充套件，是一些針對矩陣進行運算的模組。1.numpy介紹 2.numpy 學習筆記 3.python中的list和array的不同之處 4.python列表 numpy陣列與矩陣的區別 1.python中的list和np.array的不同之處 numpy...