Numpy数据类型对象详细指南

每个ndarray都有一个关联的数据类型(dtype)对象。此数据类型对象(dtype)通知我们有关数组的布局。这意味着它为我们提供了有关以下信息：

• 数据类型(整数, 浮点数, Python对象等)
• 数据大小(字节数)
• 数据的字节顺序(小端或大端)
• 如果数据类型是子数组, 则其形状和数据类型是什么。

ndarray的值存储在缓冲区中, 可以将其视为内存字节的连续块。因此, 如何解释这些字节由dtype目的。

构造一个数据类型(dtype)对象：数据类型对象是numpy.dtype类的实例, 可以使用以下方法创建numpy.dtype.

参数：obj：要转换为数据类型对象的对象。 align：[bool, 可选]在字段中添加填充以匹配C编译器将为类似的C结构输出的内容。 copy：[bool, 可选]制作数据类型对象的新副本。如果为False, 则结果可能只是对内置数据类型对象的引用。

# Python Program to create a data type object
import numpy as np

# np.int16 is converted into a data type object.
print(np.dtype(np.int16))

输出如下：

int16

# Python Program to create a data type object 
# containing a 32 bit big-endian integer
import numpy as np

# i4 represents integer of size 4 byte
# > represents big-endian byte ordering and
# < represents little-endian encoding.
# dt is a dtype object
dt = np.dtype('>i4')

print("Byte order is:", dt.byteorder)

print("Size is:", dt.itemsize)

print("Data type is:", dt.name)

输出如下：

Byte order is: >
Size is: 4
Name of data type is: int32

类型说明符(以上情况为i4)可以采用不同的形式：b1, i1, i2, i4, i8, u1, u2, u4, u8, f2, f4, f8, c8, c16, a(表示字节, 整数, 无符号) int, float, 指定字节长度的复数和固定长度字符串(整数)int8, …, uint8, …, float16, float32, float64, complex64, complex128(这次具有位大小)

注意 ：dtype与type不同。

# Python program to differentiate
# between type and dtype.
import numpy as np

a = np.array([1])

print("type is: ", type(a))
print("dtype is: ", a.dtype)

输出如下：

type is:    
dtype is:  int32

具有结构化数组的数据类型对象：

数据类型对象对于创建结构化数组很有用。结构化数组是包含不同类型数据的数组。可以借助字段来访问结构化数组。

字段就像为对象指定名称。如果是结构化数组, 则dtype对象也将被结构化。

# Python program for demonstrating 
# the use of fields
import numpy as np

# A structured data type containing a
# 16-character string (in field ‘name’) 
# and a sub-array of two 64-bit floating
# -point number (in field ‘grades’)

dt = np.dtype([('name', np.unicode_, 16), ('grades', np.float64, (2, ))])

# Data type of object with field grades
print(dt['grades'])

# Data type of object with field name 
print(dt['name'])

输出如下：

('<f8', (2, ))

# Python program to demonstrate 
# the use of data type object
# with structured array.
import numpy as np

dt = np.dtype([('name', np.unicode_, 16), ('grades', np.float64, (2, ))])

# x is a structured array with names
# and marks of students.
# Data type of name of the student is 
# np.unicode_ and data type of marks is 
# np.float(64)
x = np.array([('Sarah', (8.0, 7.0)), ('John', (6.0, 7.0))], dtype=dt)

print(x[1])

print("Grades of John are: ", x[1]['grades'])
print("Names are: ", x['name'])

输出如下：

('John', [ 6.,  7.])
Grades of John are:  [ 6.  7.]
Names are:  ['Sarah' 'John']