NumPy数据类型大全（附带实例）

NumPy 支持的数据类型比 Python 内置的类型要多很多，基本上可以和 C语言的数据类型对应上，其中部分类型对应为 Python 内置的类型。

下表列举了常用的 NumPy 的基本类型：

表：常用的 NumPy 的基本类型

名称	描述
bool_	布尔型数据类型（True 或者 False）
int_	默认的整数类型（类似于 C 语言中的 long、int32 或 int64）
intc	与 C 的 int 类型一样，一般是 int32 或 int64
intp	用于索引的整数类型（类似于 C 的 ssize_t，一般情况下仍然是 int32 或 int64）
int8	字节（-128～127）
int16	整数（-32768～32767）
int32	整数（-2147483648～2147483647）
int64	整数（-9223372036854775808～9223372036854775807）
uint8	无符号整数（0～255）
uint16	无符号整数（0～65535）
uint32	无符号整数（0～4294967295）
uint64	无符号整数（0～18446744073709551615）
float	float64 类型的简写
float16	半精度浮点数，包括 1 个符号位、5 个指数位、10 个尾数位
float32	单精度浮点数，包括 1 个符号位、8 个指数位、23 个尾数位
float64	双精度浮点数，包括 1 个符号位、11 个指数位、52 个尾数位
complex_	complex128 类型的简写，即 128 位复数
complex64	复数，表示双 32 位浮点数（实数部分和虚数部分）
complex128	复数，表示双 64 位浮点数（实数部分和虚数部分）

NumPy 的数值类型实际上是 dtype 对象的实例，并对应唯一的字符，包括 np.bool_、np.int32、np.float32 等。Dtype 不仅可以描述数据的类型（int、float、Python 对象等）、大小、字节顺序（小端或大端）等，还可以描述与数组对应的内存区域是如何使用的。

具体来说，它描述了数据的以下几个方面：

• 数据的类型（整数、浮点数或者 Python 对象）；
• 数据的大小（例如，整数使用多少字节存储）；
• 数据的字节顺序（小端法或大端法）；
• 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所取的内存块的部分；
• 如果数据类型是子数组，那么它的形状和数据类型是什么。

字节顺序是通过对数据类型预先设定 < 或 > 来决定的：

• < 意味着小端法（最小值存储在最小的地址，即低位组放在最前面）；
• > 意味着大端法（最重要的字节存储在最小的地址，即高位组放在最前面）。

dtype 对象是使用以下语法构造的：

numpy.dtype(object, align, copy)

其中，参数 object 表示要转换为的数据类型对象；align 如果为 True，则填充字段使其类似 C 的结构体；copy 表示复制 dtype 对象，如果为 False，则是对内置数据类型对象的引用。

比如使用标量类型：

dt = np.dtype(np.int32)
print(dt)

输出结果为：

int32

又如，int8、int16、int32、int64 四种数据类型可以使用字符串'i1'、'i2'、'i4'、'i8'来代替：

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

输出结果为：

int32

i 表示 int，4 表示 4 字节，int32 正好是 int 类型，且为 4 字节。

同样地，dtype('f') 中的 f 也可以代表 float32，将示例中的 dtype('i4') 上面换成 dtype('f')，输出就是 float32。

下面实例展示结构化数据类型的使用。
1) 类型字段和对应的实际类型将被创建：

dt = np.dtype([('age',np.int8)])
print(dt)

输出结果为：

[('age', 'i1')]

2) 再将数据类型应用于 ndarray 对象：

dt = np.dtype([('age',np.int8)])
a = np.array([(10,),(20,),(30,)], dtype = dt)
print(a)

输出结果为：

[(10,) (20,) (30,)]

10、20 和 30 分别表示 10 岁、20 岁和 30 岁。

3) 类型字段名还可以用于存取实际的 age 列：

dt = np.dtype([('age',np.int8)])
a = np.array([(10,),(20,),(30,)], dtype = dt)
print(a['age'])

输出结果为：

[10 20 30]

下面的示例定义一个结构化数据类型 student，包含字符串字段 name、整数字段 age 及浮点字段 marks，并将这个 dtype 应用到 ndarray 对象，代码如下：

student = np.dtype([('name','S20'), ('age', 'i1'), ('marks', 'f4')])
print(student)

输出结果为：

[('name', 'S20'), ('age', 'i1'), ('marks', '<f4')]

将数据类型 student 应用于 ndarray 对象：

student = np.dtype([('name','S20'), ('age', 'i1'), ('marks', 'f4')])
a = np.array([('abc', 21, 50),('xyz', 18, 75)], dtype = student)
print(a)

输出结果为：

[(b'abc', 21, 50.) (b'xyz', 18, 75.)]

值得注意的是，每个内建类型都有唯一定义它的字符代码，如下表所示：

表：内建类型的字符

字符	对应类型
b	布尔型
i	有符号整型
u	无符号整型
f	浮点型
c	复数浮点型
m	timedelta（时间间隔）
M	datetime（日期时间）
O	Python 对象
S, a	字符串
U	Unicode
V	原始数据