4. NumPy数据类型
1. 前言
NumPy 作为 Python 的扩展包，它提供了比 Python 更加丰富的数据类型，如表 1 所示：
| 序号 | 数据类型 | 语言描述 |
|---|---|---|
| 1 | bool_ | 布尔型数据类型（True 或者 False） |
| 2 | int_ | 默认整数类型，类似于 C 语言中的 long，取值为 int32 或 int64 |
| 3 | intc | 和 C 语言的 int 类型一样，一般是 int32 或 int 64 |
| 4 | intp | 用于索引的整数类型（类似于 C 的 ssize_t，通常为 int32 或 int64） |
| 5 | int8 | 代表与1字节相同的8位整数。值的范围是-128到127。 |
| 6 | int16 | 代表 2 字节（16位）的整数。范围是-32768至32767。 |
| 7 | int32 | 代表 4 字节（32位）整数。范围是-2147483648至2147483647。 |
| 8 | int64 | 表示 8 字节（64位）整数。范围是-9223372036854775808至9223372036854775807。 |
| 9 | uint8 | 代表1字节（8位）无符号整数。 |
| 10 | uint16 | 2 字节（16位）无符号整数。 |
| 11 | uint32 | 4 字节（32位）的无符号整数。 |
| 12 | uint64 | 8 字节（64位）的无符号整数。 |
| 13 | float_ | float64 类型的简写。 |
| 14 | float16 | 半精度浮点数，包括：1 个符号位，5 个指数位，10个尾数位。 |
| 15 | float32 | 单精度浮点数，包括：1 个符号位，8 个指数位，23个尾数位。 |
| 16 | float64 | 双精度浮点数，包括：1 个符号位，11 个指数位，52个尾数位。 |
| 17 | complex_ | 复数类型，与 complex128 类型相同。 |
| 18 | complex64 | 表示实部和虚部共享 32 位的复数。 |
| 19 | complex128 | 表示实部和虚部共享 64 位的复数。 |
| 20 | str_ | 表示字符串类型 |
| 21 | string_ | 表示字节串类型 |
2. 数据类型对象
数据类型对象（Data Type Object）又称 dtype 对象，主要用来描述数组元素的数据类型、大小以及字节顺序。同时，它也可以用来创建结构化数据。比如常见的 int64、float32 都是 dtype 对象的实例，其语法格式如下：
np.dtype(object)
创建一个 dtype 对象可以使用下列方法：
a= np.dtype(np.int64)
示例：
import numpy as np a= np.dtype(np.int64) print(a)
输出结果：
int64
3. 数据类型标识码
NumPy 中每种数据类型都有一个唯一标识的字符码，如下所示：
| 字符 | 对应类型 |
|---|---|
| b | 代表布尔型 |
| i | 带符号整型 |
| u | 无符号整型 |
| f | 浮点型 |
| c | 复数浮点型 |
| m | 时间间隔（timedelta） |
| M | datatime（日期时间） |
| O | Python对象 |
| S,a | 字节串（S）与字符串（a） |
| U | Unicode |
| V | 原始数据（void） |
下面使用数据类型标识码，创建一组结构化数据：
#创建数据类型score
import numpy as np
dt = np.dtype([('score','i1')])
print(dt)
输出如下：
[('score', 'i1')]
将上述的数据类型对象 dt，应用到 ndarray 中：
#定义字段名score，以及数组数据类型i1
dt = np.dtype([('score','i1')])
a = np.array([(55,),(75,),(85,)], dtype = dt)
print(a)
print(a.dtype)
print(a['score'])
输出结果：
获取a数组： [(55,) (75,) (85,)] 数据类型对象dtype dtype([('score', 'i1')]) 获取'score'字段分数 [55 75 85]
4. 定义结构化数据
通常情况下，结构化数据使用字段的形式来描述某个对象的特征。以下示例描述一位老师的姓名、年龄、工资的特征，该结构化数据其包含以下字段：
- str 字段：name
- int 字段：age
- float 字段：salary
定义过程如下：
import numpy as np
teacher = np.dtype([('name','S20'), ('age', 'i1'), ('salary', 'f4')])
#输出结构化数据teacher
print(teacher)
#将其应用于ndarray对象
b = np.array([('ycs', 32, 6357.50),('jxe', 28, 6856.80)], dtype = teacher)
print(b)
输出结果：
[('name', 'S20'), ('age', 'i1'), ('salary', '<f4')]
#输出的name为bytes字节串类型
[(b'ycs', 32, 6357.5) (b'jxe', 28, 6856.8)]
