pandas和numpy的数据类型对比

太过爱你忘了你带给我的痛 2023-01-21 01:15 202阅读 0赞

**numpy的数据类型列表**

<table> 
 <thead> 
  <tr> 
   <th>名称</th> 
   <th>描述</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td>bool_</td> 
   <td>布尔型数据类型（True 或者 False）</td> 
  </tr> 
  <tr> 
   <td>int_</td> 
   <td>默认的整数类型（类似于 C 语言中的 long，int32 或 int64）</td> 
  </tr> 
  <tr> 
   <td>intc</td> 
   <td>与 C 的 int 类型一样，一般是 int32 或 int 64</td> 
  </tr> 
  <tr> 
   <td>intp</td> 
   <td>用于索引的整数类型（类似于 C 的 ssize_t，一般情况下仍然是 int32 或 int64）</td> 
  </tr> 
  <tr> 
   <td>int8</td> 
   <td>字节（-128 to 127）</td> 
  </tr> 
  <tr> 
   <td>int16</td> 
   <td>整数（-32768 to 32767）</td> 
  </tr> 
  <tr> 
   <td>int32</td> 
   <td>整数（-2147483648 to 2147483647）</td> 
  </tr> 
  <tr> 
   <td>int64</td> 
   <td>整数（-9223372036854775808 to 9223372036854775807）</td> 
  </tr> 
  <tr> 
   <td>uint8</td> 
   <td>无符号整数（0 to 255）</td> 
  </tr> 
  <tr> 
   <td>uint16</td> 
   <td>无符号整数（0 to 65535）</td> 
  </tr> 
  <tr> 
   <td>uint32</td> 
   <td>无符号整数（0 to 4294967295）</td> 
  </tr> 
  <tr> 
   <td>uint64</td> 
   <td>无符号整数（0 to 18446744073709551615）</td> 
  </tr> 
  <tr> 
   <td>float_</td> 
   <td>float64 类型的简写</td> 
  </tr> 
  <tr> 
   <td>float16</td> 
   <td>半精度浮点数，包括：1 个符号位，5 个指数位，10 个尾数位</td> 
  </tr> 
  <tr> 
   <td>float32</td> 
   <td>单精度浮点数，包括：1 个符号位，8 个指数位，23 个尾数位</td> 
  </tr> 
  <tr> 
   <td>float64</td> 
   <td>双精度浮点数，包括：1 个符号位，11 个指数位，52 个尾数位</td> 
  </tr> 
  <tr> 
   <td>complex_</td> 
   <td>complex128 类型的简写，即 128 位复数</td> 
  </tr> 
  <tr> 
   <td>complex64</td> 
   <td>复数，表示双 32 位浮点数（实数部分和虚数部分）</td> 
  </tr> 
  <tr> 
   <td>complex128</td> 
   <td>复数，表示双 64 位浮点数（实数部分和虚数部分）</td> 
  </tr> 
 </tbody> 
</table>

**pandas的数据类型**

*  字符串类型：object
 *  整数类型：Int64，Int32，Int16, Int8 
 *  无符号整数：UInt64，UInt32，UInt16, UInt8 
 *  浮点数类型：float64，float32
 *  日期和时间类型：datetime64\[ns\]、datetime64\[ns, tz\]、timedelta\[ns\]
 *  布尔类型：bool
 *