NumPy 数据类型

原文：https://www.studytonight.com/numpy/python-numpy-data-types

在本教程中，我们将介绍 Numpy 库中的数据类型。

在 Numpy 中，数组的所有项都是数据类型对象，也称为 NumPy 数据类型。数据类型对象用于实现一个数组对应的固定大小的内存。

它主要为我们提供以下信息:

它为我们提供了关于数据类型(即integer、float或 Python object)的信息
它为我们提供了关于数据大小的信息
它告诉我们字节顺序(小端或大端)
在结构化类型的情况下，它告诉我们字段的名称，每个字段的数据类型，以及每个字段所取的内存块的部分。
在这种情况下，如果数据类型是子阵列，它会告诉我们它的形状和数据类型

在这种情况下，字节顺序仅由数据类型的前缀“”决定。其中符号“编码是小端(最低有效字节存储在最小地址中)，符号“>”表示编码是大端(最高有效字节存储在最小地址中)。

num py〔t0〕对象

下面给出了创建dtype对象所需的语法:

numpy.dtype(object, align, copy)

以下是上述构造器的参数描述:

对象: 此参数用于表示要转换为数据类型的对象。
align: 这是一个可选参数，用于向字段添加填充，以匹配 C 编译器为类似的 C 结构输出的内容。该参数可以设置为任何布尔值
副本: 该参数用于创建dtype对象的副本，也是可选的参数。

NumPy 库主要提供比 Python 提供的范围更高的数值数据类型。下表列出了数字数据类型:

下面给出了用于在 Numpy 中表示dtype的字符列表:

i -整数
b - 布尔值
u -无符号整数
f -浮动
c -复杂浮动
m时距
M - 日期时间
O -对象
S -弦
U - 统一码字符串
V -其他类型的固定内存块(void)

现在是时候深入研究一些例子了。

例 1:

在下面给出的例子中，我们将尝试找出包含字符串的数组的数据类型:

import numpy as np

ar1 = np.array(['chair', 'book', 'notebook'])
print(ar1.dtype)

< U8

例 2:

在下面给出的例子中，我们将构造一个数据类型对象。这里需要注意的是，数据类型对象主要是numpy.dtype类的一个实例，也可以使用numpy.dtype函数创建。让我们看看:

import numpy as np 

dt1 = np.dtype(np.int64) 
print (dt1)

int64

例 3:

而不是使用 int8、int16、int32、int64 等。通常，使用字符串“i1”、“i2”、“i3”和“i4”等更简单的表示是优选的。现在我们将看到一个与此相关的示例:

import numpy as np 

a = np.dtype('i4')
print (a)

int32

例 4:

在下面的例子中，我们将创建一个结构化数据类型，然后将其应用于一个ndarray对象:

import numpy as np 

# info with ket and value
a = np.dtype([('rollno',np.int16)]) 
print(a)

a = np.array([(101,),(201,),(301,)], dtype = a) 
print (a)

[(‘roll no’，<I2’] [(101，)(201，)(301，]

示例 5 -更改数据类型:

在下面给出的示例中，我们将使用int作为参数值，将数据类型从float更改为integer:

import numpy as np

ar= np.array([1.1, 2.1, 3.1])

newarr = ar.astype(int)

print(newarr)
print(newarr.dtype)

【1 2 3】 int 32

摘要

在本教程中，我们介绍了数组中数据类型的概念。我们看到了如何使用dtype对象来指定值的数据类型、语法以及dtype对象所需的参数。我们还介绍了各种数字数据类型，以及几个供您理解的示例。