numpy 数据类型
numpy支持多种数值类型。
numpy支持比Python更多种类的数值类型。下表列出了numpy中定义的不同数据类型。
| 数据类型 | 描述 |
| bool_ | 布尔型数据类型（True 或者 False） |
| int_ | 默认整数，相当于 C 的long，通常为int32或int64 |
| intc | 相当于 C 的int，通常为int32或int64 |
| intp | 用于索引的整数，相当于 C 的size_t，通常为int32或int64 |
| int8 | 1个字节（-128 ~ 127） |
| int16 | 16 位整数（-32768 ~ 32767） |
| int32 | 32 位整数（-2147483648 ~ 2147483647） |
| int64 | 64 位整数（-9223372036854775808 ~ 9223372036854775807） |
| uint8 | 8 位无符号整数（0 ~ 255） |
| uint16 | 16 位无符号整数（0 ~ 65535） |
| uint32 | 32 位无符号整数（0 ~ 4294967295） |
| uint64 | 64 位无符号整数（0 ~ 18446744073709551615） |
| float_ | float64的简写 |
| float16 | 半精度浮点：1位符号位，5 位指数，10 位尾数 |
| float32 | 单精度浮点：1位符号位，8 位指数，23 位尾数 |
| float64 | 双精度浮点：1位符号位，11 位指数，52 位尾数 |
| complex_ | complex128的简写，即 128 位复数 |
| complex64 | 复数，由两个 32 位浮点表示（实部和虚部） |
| complex128 | 复数，由两个 64 位浮点表示（实部和虚部） |
| complex256 | 复数，128位 |
| object | Python对象类型 |
| string_ | 修正的ASCII字符串类型 |
| unicode_ | 修正的Unicode类型 |
小技巧：int8，int16，int32，int64 可替换为等价的字符串 'i1'，'i2'，'i4'，其他类型也有类似的缩写。
每个内建类型都有一个唯一的字符代码：
- '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'：字符串
- 'U'：Unicode
- 'V'：原始数据（void）
np.astype:显式地转换数据类型
使用astype时总是生成一个新的数组，即使你传入的dtype与原来的一样。
>>> a = np.arange(1, 6)
>>> a
array([1, 2, 3, 4, 5])
>>> a.dtype
dtype('int32')
>>> float_a = a.astype(np.float64)
>>> float_a.dtype
dtype('float64')
# 字符串转浮点
>>> numeric_string = np.array(['1.23', '-1.20', '33'], dtype=np.string_)
>>> numeric_string
array([b'1.23', b'-1.20', b'33'], dtype='|S5')
>>> numeric_string.astype(float)
array([ 1.23, -1.2 , 33. ])
# 使用其它数组的dtype
>>> int_array = np.arange(4)
>>> old = np.array([3.4,2.4,11.3])
>>> new = old.astype(int_array.dtype)
>>> old
array([ 3.4, 2.4, 11.3])
>>> new
array([ 3, 2, 11])
numpy还有一些预先定义的特殊值：
比如：np.nan、np.pi、np.e
np.nan： 缺失值，或者理解为'不是一个数'
import numpy as np
a = np.array([np.nan, 1,2,np.nan,3,4,5])
a[~np.isnan(a)]
b = np.array([1, 2+6j, 5, 3.5+5j])
b[np.iscomplex(b)]
