4.3　NumPy的数据类型

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。表4-1列举了常用NumPy的基本类型。

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可以用来描述数据的类型（int、float、Python对象等），描述数据的大小、数据的字节顺序（小端或大端）等。dtype还可以描述与数组对应的内存区域是如何使用的，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，整数使用多少个字节存储）。

·　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，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。

又比如，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的意思，4表示4字节的意思，int32正好是int类型，且为4字节。

同样的，dtype('f')中的f也可以代表float32，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。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')]。

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。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，每个内建类型都有一个唯一定义它的字符代码，如表4-2所示。