NumPy - 数据类型
NumPy 支持比 Python 更多种类的数值类型。 下表显示了 NumPy 中定义的不同数据类型的标量。
| 序号 | 数据类型及描述 |
|---|---|
| 1. | bool_ 存储为一个字节的布尔值（真或假） |
| 2. | int_ 默认整数，相当于 C 的long，通常为int32或int64 |
| 3. | intc 相当于 C 的int，通常为int32或int64 |
| 4. | intp 用于索引的整数，相当于 C 的size_t，通常为int32或int64 |
| 5. | int8 字节（-128 ~ 127） |
| 6. | int16 16 位整数（-32768 ~ 32767） |
| 7. | int32 32 位整数（-2147483648 ~ 2147483647） |
| 8. | int64 64 位整数（-9223372036854775808 ~ 9223372036854775807） |
| 9. | uint8 8 位无符号整数（0 ~ 255） |
| 10. | uint16 16 位无符号整数（0 ~ 65535） |
| 11. | uint32 32 位无符号整数（0 ~ 4294967295） |
| 12. | uint64 64 位无符号整数（0 ~ 18446744073709551615） |
| 13. | float_ float64的简写 |
| 14. | float16 半精度浮点：符号位，5 位指数，10 位尾数 |
| 15. | float32 单精度浮点：符号位，8 位指数，23 位尾数 |
| 16. | float64 双精度浮点：符号位，11 位指数，52 位尾数 |
| 17. | complex_ complex128的简写 |
| 18. | complex64 复数，由两个 32 位浮点表示（实部和虚部） |
| 19. | complex128 复数，由两个 64 位浮点表示（实部和虚部） |
上面的标量有一些后面带了下划线，很可能是这个名字是内建的类或者关键字。想要使用在后面加了下划线。
NumPy 里的数字类型是dtype（数据类型）对象的实例，每个对象具有唯一的特征。 这些类型可以是np.bool_，np.float32等。
每个内建类型都有一个唯一定义它的字符代码：
'b'：布尔值'i'：符号整数'u'：无符号整数'f'：浮点'c'：复数浮点'm'：时间间隔'M'：日期时间'O'：Python 对象'S', 'a'：字节串'U'：Unicode'V'：原始数据（void）
数据类型对象 (dtype)
数据类型对象描述了对应于数组的固定内存块的解释，取决于以下方面：
数据类型（整数、浮点或者 Python 对象）
数据大小
字节序（小端或大端）
在结构化类型的情况下，字段的名称，每个字段的数据类型，和每个字段占用的内存块部分。
如果数据类型是子列表，它的形状和数据类型。
字节顺序取决于数据类型的前缀<或>。 <意味着编码是小端（最小有效字节存储在最小地址中）。 >意味着编码是大端（最大有效字节存储在最小地址中）。
dtype可由以下语法构造：
numpy.dtype(object, align, copy)
参数为：
Object：被转换为数据类型的对象。Align：如果为true，则向字段添加间隔，使其类似 C 的结构体。Copy? 生成dtype对象的新副本，如果为flase，结果是内建数据类型对象的引用。
示例 1
使用标量创建dtype对象
# 使用数组标量类型
import numpy as np
dt = np.dtype(np.int32)
print(dt)
输出如下：
int32
示例 2
不仅能够使用标量创建，还能够使用标量对应的字符代码来创建 dtype 对象。
#int8，int16，int32，int64 可替换为等价的字符串 'i1'，'i2'，'i4'，uint,float,complex同理。
import numpy as np
dt = np.dtype('i4')
print(dt)
输出如下：
int32
示例 3
# 使用端记号
import numpy as np
dt = np.dtype('>i4')
print(dt)
输出如下：
>i4
下面的例子展示了结构化数据类型的使用。 这里声明了字段名称和相应的标量数据类型。
示例 4
# 首先创建结构化数据类型。
import numpy as np
dt = np.dtype([('age',np.int8)])
print(dt)
输出如下：
[('age', 'i1')]
注意这里的的参数是[()], 列表里面传入元组。这是个很奇怪的传输内容，
原因如下:
- dtype 不仅可以可以表示简单(已经内置的）数据类型。还可以类似 C 语言中的结构体。
- 定义的方法是，传入一个列表，列表中的每个元组是一个数据，元组中要有名和数据类型。类似于
('name', 'type')的结构。例如定义一个 people 类型的结构体类型。在numpy中可以这样定义它定义了一个如下的结构类型 ``` { char[20] name; char age; bool sex; }people = np.dtype([('name', 'S20'), ('age', 'i1'), ('sex', np.bool_)]
示例 5
# 现在将其应用于 ndarray 对象
import numpy as np
dt = np.dtype([('age',np.int8)])
a = np.array([(10,),(20,),(30,)], dtype = dt)
print(a)
输出如下：
[(10,) (20,) (30,)]
示例 6
# type名称可用于访问 age 列的内容
import numpy as np
dt = np.dtype([('age', np.int8)])
a = np.array([(10,),(20,),(30,)], dtype = dt)
print(a['age'])
输出如下：
[10 20 30]
示例 7
以下示例定义名为 student 的结构化数据类型，其中包含字符串字段name，整数字段age和浮点字段marks。 此dtype应用于ndarray对象。
import numpy as np
student = np.dtype([('name','S20'), ('age', 'i1'), ('marks', 'f4')])
print(student)
输出如下：
[('name', 'S20'), ('age', 'i1'), ('marks', '<f4')])
示例 8
import numpy as np
student = np.dtype([('name','S20'), ('age', 'i1'), ('marks', 'f4')])
a = np.array([('abc', 21, 50),('xyz', 18, 75)], dtype = student)
print(a)
输出如下：
[('abc', 21, 50.0), ('xyz', 18, 75.0)]