ndarray的数据类型

数据类型，即dytpe，是一个特殊的对象，它包含了ndarray需要为某一种类型数据所申明的内存块信息（也称为元数据，即表示数据的数据）：

import numpy as np

arr1 = np.array([1,2,3],dtype = np.float64)
arr2 = np.array([1,2,3],dtype = np.int32)

arr1.dtype
dtype('float64')

arr2.dtype
dtype('int32')

dtype是Numpy能够与其他系统数据灵活交互的原因。

你可以使用astype方法显式地转换数组的数据类型：

arr = np.array([1,2,3,4,5])

arr.dtype
dtype('int32')

float_arr = arr.astype(np.float64)

float_arr.dtype
dtype('float64')

在上面例子中，整数被换成了浮点数。如果我把浮点数转换成整数，则小数点后的部分将被消除：

arr = np.array([3.7,-1.2,-2,6,0.5,12.9,10.1])

arr
array([ 3.7, -1.2, -2. ,  6. ,  0.5, 12.9, 10.1])

arr.astype(np.int32)
array([ 3, -1, -2,  6,  0, 12, 10])

如果你有一个数组，里面的元素都是表达数字含义的字符串，也可以通过astype将字符串转换为数字：

arr3 = np.array(['1.25','-9.6','42'],dtype = np.string_)

arr3.astype(float)
array([ 1.25, -9.6 , 42.  ])

（在Numpy中，当使用 numpy.string_类型作字符串数据要小心，因为Numpy会修正它的大小或删除输入且不发出警告。pandas在处理非数值数据时有更直观的开箱型操作）

如果因为某些原因导致转换类型失败（比如字符串无法转换为float64位时），将会抛出一个ValueError。这里我偷懒地使用float来替代np.float64，是因为Numpy可以使用相同别名来表征于Python精度相同的Python数据类型。

你也可以使用另一个数组的dtype属性：

int_array = np.arange(10)

calibers = np.array([.22,.270,.357,.380,.44,.50],dtype = np.float64)

int_array.astype(calibers.dtype)
array([0., 1., 2., 3., 4., 5., 6., 7., 8., 9.])

也可以使用类型代码来传入数据类型：

empty_uint32 = np.empty(8,dtype = 'u4')

empty_uint32

empty_uint32
empty_uint32
array([1324770695,  805393421, 1599436526, 1645630477, 1745310583,
       1825934317, 1801670157,  805468270], dtype=uint32)

（使用astype时总是生成一个新的数组，即使你传入的dtype与之前一样。）

下列是Numpy所支持的数据类型：

• int8,uint8（i1，u1） ：有符号和无符号的8数位整数
• int16,uint16（i2，u2） ：有符号和无符号的16数位整数
• int32,uint32（i4，u4） ：有符号和无符号的32数位整数
• int64,uint64（i8，u8） ：有符号和无符号的64数位整数
• float16（f2） ：半精度浮点数
• float32（f4或f） ：标准单精度浮点数；兼容C语言float
• float64（f8或d） ：标准单精度浮点数；兼容C语言double和Python float
• float128（f16或g） ：拓展精度浮点数
• comple ×64，（c8，c16，c32） ：分别基于32位、64位、128位浮点数的复数
  comple ×128，
  comple ×256
• bool(?) ：布尔值，储存True或False
• object（O） ：Python object类型
• string_（S） ：修正的ASC ll字符串类型；例如生成一个长度为10的字符串类型，使用‘S10’
• unicode_（U） ：修正的Unicode类型；例如生成一个长度为10的Unicode类型，使用‘U10’

（不需要担心如何记住Numpy的数据类型，尤其是当你还是新手的时候。通常只需要关心数据的大类，例如浮点型。整数。布尔值等。当你需要在内存或硬盘上做更深入的存取操作时，尤其是大数据集时，你才需要真正的了解存储的数据类型。）