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对象给出。
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numpy.dtype创建它。
参数：
- obj：要转换为数据类型对象的对象。
- 对齐：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。 - 复制：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
(代表字节, 整数, 无符号整数, 浮点数, 复数和
指定的固定长度字符串字节长度) - int8, …, uint8, …, float16, float32, float64, complex64, complex128
(这次与一点尺寸)
注意 ：
dtype is different from type. # 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。在结构化数组的情况下, 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']参考文献：
- docs.scipy.org
- 结构化数组
如果发现任何不正确的地方, 或者想分享有关上述主题的更多信息, 请写评论。
注意怪胎！巩固你的基础Python编程基础课程和学习基础知识。
首先, 你的面试准备可通过以下方式增强你的数据结构概念：Python DS课程。
