Python numpy有哪些常用数据类型

普宁人

常见数据类型介绍

Python 原生的数据类型相对较少， bool、int、float、str等。这在不需要关心数据在计算机中表示的所有方式的应用中是方便的。然而，对于科学计算，通常需要更多的控制。为了加以区分 numpy 在这些类型名称末尾都加了“_”。

类型	备注	说明
bool8 = bool_(加下滑线代表为最大）	8位（一个字节八位）	布尔类型
int8 = byte	8位	整型
int16 = short	16位	整型
int32 = intc	32位	整型
int_ = int64 = long = int0 = intp	64位	整型
uint8 = ubyte	8位	无符号整型
uint16 = ushort	16位	无符号整型
uint32 = uintc	32位	无符号整型
uint64 = uintp = uint0 = uint	64位	无符号整型
float16 = half	16位	浮点型
float32 = single	32位	浮点型
float_ = float64 = double	64位	浮点型
str_ = unicode_ = str0 = unicode	Unicode 字符串
datetime64	日期时间类型
timedelta64	表示两个时间之间的间隔

创建数据类型

numpy 的数值类型实际上是 dtype 对象的实例。

1. class dtype(object):
   
2.     def __init__(self, obj, align=False, copy=False):
   
3.         pass

复制代码

数据类型对象 (dtype)
数据类型对象（numpy.dtype 类的实例）用来描述与数组对应的内存区域是如何使用，它描述了数据的以下几个方面：：

• 数据的类型（整数，浮点数或者 Python 对象）
  
• 数据的大小（例如， 整数使用多少个字节存储）
  
• 数据的字节顺序（小端法或大端法）
  
• 在结构化类型的情况下，字段的名称、每个字段的数据类型和每个字段所取的内存块的部分
  
• 如果数据类型是子数组，那么它的形状和数据类型是什么。
  

字节顺序是通过对数据类型预先设定 < 或 > 来决定的。 < 意味着小端法(最小值存储在最小的地址，即低位组放在最前面)。> 意味着大端法(最重要的字节存储在最小的地址，即高位组放在最前面)。
dtype 对象是使用以下语法构造的：

1. numpy.dtype(object, align, copy)

复制代码

• object - 要转换为的数据类型对象
  
• align - 如果为 true，填充字段使其类似 C 的结构体。
  
• copy - 复制 dtype 对象 ，如果为 false，则是对内置数据类型对象的引用
  

每个内建类型都有一个唯一定义它的字符代码，如下：

字符	对应类型	备注
b	boolean	'b1'（将这个字符代码作为参数传给dtype，则会建立boolean实例）
i	signed integer	'i1', 'i2', 'i4', 'i8'
u	unsigned integer	'u1', 'u2' ,'u4' ,'u8'
f	floating-point	'f2', 'f4', 'f8'
c	complex floating-point
m	timedelta64	表示两个时间之间的间隔
M	datetime64	日期时间类型
O	object
S	(byte-)string	S3表示长度为3的字符串 （传入的参数 必须是大写S）Bytes 代表的是（二进制）数字的序列，只不过在是通过 ASCII 编码之后才是我们看到的字符形式
U	Unicode	Unicode 字符串 （传入的参数 必须是大写U）
V	void

结构化数据类型的使用，类型字段和对应的实际类型将被创建:

1. dt = np.dtype([("age",np.int_)])
   
2. dt

复制代码

1. a = np.array([(31,),(27,),(36,),(28,),(18,)],dtype=dt)
   
2. a["age"]

复制代码

定义一个结构化数据类型 student，包含字符串字段 name，整数字段 age，及浮点字段 marks，并将这个 dtype 应用到 ndarray 对象。

1. student = np.dtype([("name","S30"),("age",np.int_),("marks","f4")])
   
2. student

复制代码

1. student = np.dtype([("name","S30"),("age",np.int_),("marks","f4")])
   
2. a = np.array([("STZZ",31,0.3),("WJ",22,0.9),("WTX",27,1.0)],dtype=student)
   
3. a

复制代码

1. a["name"]
   
2. a["age"]
   
3. a["marks"]

复制代码

到此这篇关于Python numpy有哪些常用数据类型的文章就介绍到这了,更多相关Python numpy内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！

来源:https://www.jb51.net/article/276291.htm
免责声明：由于采集信息均来自互联网，如果侵犯了您的权益，请联系我们【E-Mail:cb@itdo.tech】 我们会及时删除侵权内容，谢谢合作！