Numpy之dtype

ndarray的数据类型即dtype是一个特殊的对象.它包含了ndarray需要为某一种类型数据所声明的内存块信息(也就是元数据，表示数据的数据)。

dtype是NumPy能够与其它系统数据灵活交互的原因。通常，数据的dtype通常按照一个命名方式：类型名，比如float和int，后面再接上表面每个元素位数的数字，一个标准的双精度浮点数，使用8byte即64bit。因此在NumPy为float64.一般只有在内存或者磁盘上做更深入的存取操作时，才需要了解存储的数据类型。

NumPy的数据类型如下：

类型	类型代码	含义
int8,uint8	i1,u1	有符号和无符号8bit整数
int16,uint16	i2,u2	有符号和无符号16bit整数
int32,uint32	i4,u4	有符号和无符号32bit整数
int64,uint64	i8,u8	有符号和无符号64bit整数
float16	f2	半精度浮点数
float32	f4或f	单精度浮点数，兼容C语言float类型
float64	f8或d	双精度浮点数兼容C语言float类型和Python double
float128	f16或g	拓展精度浮点数
complex64	c8	基于32bit浮点数的复数
comple128	c16	基于64bit浮点数的复数
complex256	c32	基于128bit浮点数的复数
bool	?	布尔值，True or False
object	o	Python object类型
string_	S	修正的ASCII字符串类型
unicode_	U	修正的Unicode类型，生成一个长度为10的unicode类型，使用 “U10”

可以使用astype方法显示的转换数组的数据类型。如果数组 中的元素都是表达数字含义的字符串，也可以使用astype将字符串转换为数字。

import numpy as np
arr = np.array([1,2,3,4,5])
print(arr.dtype)
float_arr = arr.astype(np.float64)
print(float_arr.dtype)
num_strs = np.array(['1.2',"3.2",'4.5','6.8','42'],dtype=np.string_)
print(num_strs.astype(np.float64))

赏

谢谢你请我吃糖果