Python大数据分析算法与实例最新章节_邓立国著

3.4　数据类型

NumPy支持比Python更多种类的数据类型。表3.1定义了不同标量的数据类型。

表3.1　不同标量的数据类型

NumPy数值类型是dtype（数据类型）对象的实例，每个对象具有唯一的特征。这些类型可以是np.bool_、np.float32等。

数据类型对象描述了对应于数组的固定内存块的解释，取决于以下5个方面：

字节顺序取决于数据类型的前缀“<”或“>”。<意味着编码是小端（最小有效字节存储在最小地址中），>意味着编码是大端（最大有效字节存储在最小地址中）。

dtype可由以下语法构造：

   numpy.dtype(object, align, copy)

参数说明如下：

【例3.5】

   # 使用数组标量类型
   import numpy as np
   dt = np.dtype(np.int32)
   print dt

输出如下：

   int32

【例3.6】

   # 首先创建结构化数据类型
   import numpy as np
   dt = np.dtype([('age',np.int8)])
   print dt

输出如下：

   [('age', 'i1')]

【例3.7】

   # 现在将其应用于 ndarray 对象
   import numpy as np
   
   dt = np.dtype([('age',np.int8)])
   a = np.array([(10,),(20,),(30,)], dtype = dt)
   print a

输出如下：

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

每个内建类型都有一个唯一定义它的字符代码：