NumPy1.2: numpy中的数据类型

你的名字 2022-06-02 01:59 229阅读 0赞

>>> import numpy as np
 >>> print(type(np.arange(6)))
 <class 'numpy.ndarray'>
 >>>

# 1.NumPy中的ndarray是一个多维数组对象 #

该对象分两部分：

实际的数据；

描述这些数据的元数据；

实际上大部分数组操作，仅仅修改元数据部分，而不改变底层的实际数据。

NumPy中数组元素类型都是一样的，这样所需存储空间就很容易确定。

>>> import numpy as np
    >>> a=np.arange(6)
    >>> a
    array([0, 1, 2, 3, 4, 5])
    >>> b=np.arange(6,dtype=np.float64)  #dtype可以指定创建数据类型
    >>> b
    array([ 0.,  1.,  2.,  3.,  4.,  5.])
    >>> a.dtype.itemsize                #单个数组元素占内存字节数
    8
    >>> b.dtype.itemsize
    8
    >>> c=np.arange(6,dtype=np.int8)
    >>> c
    array([0, 1, 2, 3, 4, 5], dtype=int8)
    >>> c.dtype.itemsize
    1
    >>> c.dtype
    dtype('int8')
    >>> c.ndim
    1
    >>> c.shape    #shape属性返回一个元组
    (6,)
    >>>

数组的shape属性返回一个元组(tuple)，元组中的元素即为NumPy数组每个维度的大小。

Python支持的数据类型有整形、浮点型以及复数型，但这些类型不足以满足科学计算的需求，因此NumPy添加了很多其他的数据类型：

<table> 
 <tbody> 
 <tr> 
 <td style="vertical-align:top;"> 类型 </td> 
 <td style="vertical-align:top;"> 描述 </td> 
 </tr> 
 <tr> 
 <td style="vertical-align:top;"> bool </td> 
 <td style="vertical-align:top;"> 用一位存储的布尔类型（值为TRUE或FALSE） </td> 
 </tr> 
 <tr> 
 <td style="vertical-align:top;"> inti </td> 
 <td style="vertical-align:top;"> 由所在平台决定其精度的整数（一般为int32或int64） </td> 
 </tr> 
 <tr> 
 <td style="vertical-align:top;"> int8 </td> 
 <td style="vertical-align:top;"> 整数，范围为-128至127 </td> 
 </tr> 
 <tr> 
 <td style="vertical-align:top;"> int16 </td> 
 <td style="vertical-align:top;"> 整数，范围为-32768至32767 </td> 
 </tr> 
 <tr> 
 <td style="vertical-align:top;"> int32 </td> 
 <td style="vertical-align:top;"> 整数，范围为-231至231-1 </td> 
 </tr> 
 <tr> 
 <td style="vertical-align:top;"> int64 </td> 
 <td style="vertical-align:top;"> 整数，范围为-263至263-1 </td> 
 </tr> 
 <tr> 
 <td style="vertical-align:top;"> uint8 </td> 
 <td style="vertical-align:top;"> 无符号整数，范围为0至255 </td> 
 </tr> 
 <tr> 
 <td style="vertical-align:top;"> uint16 </td> 
 <td style="vertical-align:top;"> 无符号整数，范围为0至65 535 </td> 
 </tr> 
 <tr> 
 <td style="vertical-align:top;"> uint32 </td> 
 <td style="vertical-align:top;"> 无符号整数，范围为0至232-1 </td> 
 </tr> 
 <tr> 
 <td style="vertical-align:top;"> uint64 </td> 
 <td style="vertical-align:top;"> 无符号整数，范围为0至264-1 </td> 
 </tr> 
 <tr> 
 <td style="vertical-align:top;"> float16 </td> 
 <td style="vertical-align:top;"> 半精度浮点数（16位）：其中用1位表示正负号，5位表示指数，10位表示尾数 </td> 
 </tr> 
 <tr> 
 <td style="vertical-align:top;"> float32 </td> 
 <td style="vertical-align:top;"> 单精度浮点数（32位）：其中用1位表示正负号，8位表示指数，23位表示尾数 </td> 
 </tr> 
 <tr> 
 <td style="vertical-align:top;"> float64或float </td> 
 <td style="vertical-align:top;"> 双精度浮点数（64位）：其中用1位表示正负号，11位表示指数，52位表示尾数 </td> 
 </tr> 
 <tr> 
 <td style="vertical-align:top;"> complex64 </td> 
 <td style="vertical-align:top;"> 复数，分别用两个32位浮点数表示实部和虚部 </td> 
 </tr> 
 <tr> 
 <td style="vertical-align:top;"> complex12或complex </td> 
 <td style="vertical-align:top;"> 复数，分别用两个64位浮点数表示实部和虚部 </td> 
 </tr> 
 </tbody> 
</table>

NumPy可以使用字符编码来表述数据类型，这是为了兼容NumPy的前身Numeric，不建议使用；

<table> 
 <tbody> 
 <tr> 
 <td style="vertical-align:top;"> 数据类型 </td> 
 <td style="vertical-align:top;"> 字符编码 </td> 
 </tr> 
 <tr> 
 <td style="vertical-align:top;"> 整数 </td> 
 <td style="vertical-align:top;"> i </td> 
 </tr> 
 <tr> 
 <td style="vertical-align:top;"> 无符号整数 </td> 
 <td style="vertical-align:top;"> u </td> 
 </tr> 
 <tr> 
 <td style="vertical-align:top;"> 单精度浮点数 </td> 
 <td style="vertical-align:top;"> f </td> 
 </tr> 
 <tr> 
 <td style="vertical-align:top;"> 双精度浮点数 </td> 
 <td style="vertical-align:top;"> d </td> 
 </tr> 
 <tr> 
 <td style="vertical-align:top;"> 布尔值 </td> 
 <td style="vertical-align:top;"> b </td> 
 </tr> 
 <tr> 
 <td style="vertical-align:top;"> 复数 </td> 
 <td style="vertical-align:top;"> D </td> 
 </tr> 
 <tr> 
 <td style="vertical-align:top;"> 字符串 </td> 
 <td style="vertical-align:top;"> S </td> 
 </tr> 
 <tr> 
 <td style="vertical-align:top;"> Unicode字符串 </td> 
 <td style="vertical-align:top;"> U </td> 
 </tr> 
 <tr> 
 <td style="vertical-align:top;"> void (空) </td> 
 <td style="vertical-align:top;"> V </td> 
 </tr> 
 </tbody> 
</table>

# 2.dtype类的属性 #

## 1) dtype类有很多属性， ##

>>> t=np.dtype('float64')
 >>> t.type 
 <class 'numpy.float64'>
 >>> t.char #获取数据类型的字符编码
 'd'
 
 '''
 str属性表示数据类型的字符串表示，
 1.'<':首字符表示字节序'>'表大端，'<'=>小端;
 2.'f':字符编码;
 3.'8':每个数组元素存储所需字节数;
 '''
 >>> t.str 
 '<f8'

## 2)创建自定义数据类型： ##

创建一个数组，数组每个元素类型为：用一个长度为40字符的字符串来表示商品名，用一个32位整数记录商品数量，用一个32位浮点数记录商品价格

>>> from numpy import *
 >>> t = np.dtype([('name',np.str_,40),('numitems',int32),('price',float32)])
 >>> t
 dtype([('name', '<U40'), ('numitems', '<i4'), ('price', '<f4')])
 >>> t['name']
 dtype('<U40')
 >>> itemz = array([('Meaning of life DVD',42,3.1415),('Butter',13,2.72)],dtype=t)
 >>> itemz[1]
 ('Butter', 13, 2.72000003)
 >>>