读书笔记二、ndarray的数据类型

dtype(数据类型)是一个特殊的对象，它含有ndarray将一块内存解释为特定数据类型所需的信息：

import numpy as np
arr1=np.array([1,2,3],dtype=np.float64)
arr2=np.array([1,2,3],dtype=np.int32)

arr1.dtype
Out[4]: dtype('float64')

arr2.dtype
Out[5]: dtype('int32')

数值型dtype的命名方式相同：一个类型名（如float或int），后面跟一个用于表示各元素位长的数字。

可以通过ndarray的astype方法显式地转换其dtype：

arr=np.array([1,2,3,4,5])

arr.dtype
Out[7]: dtype('int32')

float_arr=arr.astype(np.float64)

float_arr.dtype
Out[9]: dtype('float64')

在本例中整数被转换为浮点数。如果将浮点数转换为整数，小数部分会被截断：

arr=np.array([3.7,-1.2,-2.6,0.5,12.9,10.1])

arr
Out[11]: array([ 3.7, -1.2, -2.6,  0.5, 12.9, 10.1])

arr.astype(np.int32)
Out[12]: array([ 3, -1, -2,  0, 12, 10])

如果字符串数组表示的全是数字，也可以用astype将其转换为数值形式：

numeric_strings=np.array(['1.25','-9.6','42'],dtype=np.string_)

numeric_strings.astype(float)
Out[14]: array([ 1.25, -9.6 , 42.  ])

转换过程失败，会引发一个TypeError。可以看到，写的是float而不是np.float64，numpy会将Python类型映射到等价的dtype上。

 

数组的dtype 的另外一个用法：

int_array=np.arange(10)

calibers=np.array([.22,.270,.357,.380,.44,.50],dtype=np.float64)

int_array.astype(calibers.dtype)
Out[17]: array([0., 1., 2., 3., 4., 5., 6., 7., 8., 9.])

也可以用简洁的类型代码来表示dtype：

empty_uint32=np.empty(8,dtype='u4')
empty_uint32
Out[21]: 
array([ 43712628,         0,  68801840,         0,         1, 537528933,
       112050304,         0], dtype=uint32)