個人中心
退出
數(shù)據(jù)類型
數(shù)組類型之間的轉(zhuǎn)換
NumPy支持比Python更多種類的數(shù)字類型。本節(jié)顯示了哪些可用，以及如何修改數(shù)組的數(shù)據(jù)類型。
支持的原始類型與 C 中的原始類型緊密相關：
| Numpy 的類型 | C 的類型 | 描述 |
|---|---|---|
| np.bool | bool | 存儲為字節(jié)的布爾值（True或False） |
| np.byte | signed char | 平臺定義 |
| np.ubyte | unsigned char | 平臺定義 |
| np.short | short | 平臺定義 |
| np.ushort | unsigned short | 平臺定義 |
| np.intc | int | 平臺定義 |
| np.uintc | unsigned int | 平臺定義 |
| np.int_ | long | 平臺定義 |
| np.uint | unsigned long | 平臺定義 |
| np.longlong | long long | 平臺定義 |
| np.ulonglong | unsigned long long | 平臺定義 |
| np.half / np.float16 | 半精度浮點數(shù)：符號位，5位指數(shù)，10位尾數(shù) | |
| np.single | float | 平臺定義的單精度浮點數(shù)：通常為符號位，8位指數(shù)，23位尾數(shù) |
| np.double | double | 平臺定義的雙精度浮點數(shù)：通常為符號位，11位指數(shù)，52位尾數(shù)。 |
| np.longdouble | long double | 平臺定義的擴展精度浮點數(shù) |
| np.csingle | float complex | 復數(shù)，由兩個單精度浮點數(shù)（實部和虛部）表示 |
| np.cdouble | double complex | 復數(shù)，由兩個雙精度浮點數(shù)（實部和虛部）表示。 |
| np.clongdouble | long double complex | 復數(shù)，由兩個擴展精度浮點數(shù)（實部和虛部）表示。 |
由于其中許多都具有依賴于平臺的定義，因此提供了一組固定大小的別名：
| Numpy 的類型 | C 的類型 | 描述 |
|---|---|---|
| np.int8 | int8_t | 字節(jié)（-128到127） |
| np.int16 | int16_t | 整數(shù)（-32768至32767） |
| np.int32 | int32_t | 整數(shù)（-2147483648至2147483647） |
| np.int64 | int64_t | 整數(shù)（-9223372036854775808至9223372036854775807） |
| np.uint8 | uint8_t | 無符號整數(shù)（0到255） |
| np.uint16 | uint16_t | 無符號整數(shù)（0到65535） |
| np.uint32 | uint32_t | 無符號整數(shù)（0到4294967295） |
| np.uint64 | uint64_t | 無符號整數(shù)（0到18446744073709551615） |
| np.intp | intptr_t | 用于索引的整數(shù)，通常與索引相同 ssize_t |
| np.uintp | uintptr_t | 整數(shù)大到足以容納指針 |
| np.float32 | float | |
| np.float64 / np.float_ | double | 請注意，這與內(nèi)置python float的精度相匹配。 |
| np.complex64 | float complex | 復數(shù)，由兩個32位浮點數(shù)（實數(shù)和虛數(shù)組件）表示 |
| np.complex128 / np.complex_ | double complex | 請注意，這與內(nèi)置python 復合體的精度相匹配。 |
NumPy數(shù)值類型是dtype（數(shù)據(jù)類型）對象的實例，每個對象都具有獨特的特征。使用后導入NumPy
>>> import numpy as np
在dtypes可作為np.bool_，np.float32等等。
上表中未列出的高級類型將在結構化數(shù)組中進行探討。
有5種基本數(shù)字類型表示布爾值（bool），整數(shù)（int），無符號整數(shù)（uint）浮點（浮點數(shù)）和復數(shù)。名稱中帶有數(shù)字的那些表示該類型的位大?。?，在內(nèi)存中表示單個值需要多少位）。某些類型（例如 int 和 intp）具有不同的位，取決于平臺（例如，32位與64位計算機）。在與尋址原始內(nèi)存的低級代碼（例如C或Fortran）連接時，應考慮這一點。
數(shù)據(jù)類型可以用作將python數(shù)轉(zhuǎn)換為數(shù)組標量的函數(shù)（請參閱數(shù)組標量部分以獲得解釋），將python數(shù)字序列轉(zhuǎn)換為該類型的數(shù)組，或作為許多numpy函數(shù)或方法接受的dtype關鍵字的參數(shù)。一些例子：
>>> import numpy as np
>>> x = np.float32(1.0)
>>> x
1.0
>>> y = np.int_([1,2,4])
>>> y
array([1, 2, 4])
>>> z = np.arange(3, dtype=np.uint8)
>>> z
array([0, 1, 2], dtype=uint8)
數(shù)組類型也可以通過字符代碼引用，主要是為了保持與較舊的包（如Numeric）的向后兼容性。有些文檔可能仍然引用這些，例如：
>>> np.array([1, 2, 3], dtype='f')
array([ 1., 2., 3.], dtype=float32)
我們建議使用dtype對象。
要轉(zhuǎn)換數(shù)組的類型，請使用 .astype() 方法（首選）或類型本身作為函數(shù)。例如：
>>> z.astype(float)
array([ 0., 1., 2.])
>>> np.int8(z)
array([0, 1, 2], dtype=int8)
注意，在上面，我們使用 Python 的 float對象作為dtype。NumPy的人都知道int是指np.int_，bool意味著np.bool_，這float是np.float_和complex是np.complex_。其他數(shù)據(jù)類型沒有Python等價物。
要確定數(shù)組的類型，請查看dtype屬性：
>>> z.dtype
dtype('uint8')
dtype對象還包含有關類型的信息，例如其位寬和字節(jié)順序。數(shù)據(jù)類型也可以間接用于查詢類型的屬性，例如它是否為整數(shù)：
>>> d = np.dtype(int)
>>> d
dtype('int32')
>>> np.issubdtype(d, np.integer)
True
>>> np.issubdtype(d, np.floating)
False
數(shù)組標量
NumPy通常將數(shù)組元素作為數(shù)組標量返回（帶有關聯(lián)dtype的標量）。數(shù)組標量與Python標量不同，但在大多數(shù)情況下它們可以互換使用（主要的例外是早于v2.x的Python版本，其中整數(shù)數(shù)組標量不能作為列表和元組的索引）。有一些例外，例如當代碼需要標量的非常特定的屬性或者它特定地檢查值是否是Python標量時。通常，存在的問題很容易被顯式轉(zhuǎn)換數(shù)組標量到Python標量，采用相應的Python類型的功能（例如，固定的int，float，complex，str，unicode）。
使用數(shù)組標量的主要優(yōu)點是它們保留了數(shù)組類型（Python可能沒有匹配的標量類型，例如int16）。因此，使用數(shù)組標量可確保數(shù)組和標量之間的相同行為，無論值是否在數(shù)組內(nèi)。NumPy標量也有許多與數(shù)組相同的方法。
溢出錯誤
當值需要比數(shù)據(jù)類型中的可用內(nèi)存更多的內(nèi)存時，NumPy數(shù)值類型的固定大小可能會導致溢出錯誤。例如，numpy.power對于64位整數(shù)正確計算 100 * 10 * 8，但對于32位整數(shù)給出1874919424（不正確）。
>>> np.power(100, 8, dtype=np.int64)
10000000000000000
>>> np.power(100, 8, dtype=np.int32)
1874919424
NumPy和Python整數(shù)類型的行為在整數(shù)溢出方面存在顯著差異，并且可能會使用戶期望NumPy整數(shù)的行為類似于Python int。與 NumPy 不同，Python 的大小int 是靈活的。這意味著Python整數(shù)可以擴展以容納任何整數(shù)并且不會溢出。
NumPy分別提供numpy.iinfo
numpy.finfo 驗證NumPy整數(shù)和浮點值的最小值或最大值：
>>> np.iinfo(np.int) # Bounds of the default integer on this system.
iinfo(min=-9223372036854775808, max=9223372036854775807, dtype=int64)
>>> np.iinfo(np.int32) # Bounds of a 32-bit integer
iinfo(min=-2147483648, max=2147483647, dtype=int32)
>>> np.iinfo(np.int64) # Bounds of a 64-bit integer
iinfo(min=-9223372036854775808, max=9223372036854775807, dtype=int64)
如果64位整數(shù)仍然太小，則結果可能會轉(zhuǎn)換為浮點數(shù)。浮點數(shù)提供了更大但不精確的可能值范圍。
>>> np.power(100, 100, dtype=np.int64) # Incorrect even with 64-bit int
0
>>> np.power(100, 100, dtype=np.float64)
1e+200
擴展精度
Python 的浮點數(shù)通常是64位浮點數(shù)，幾乎等同于 np.float64 。在某些不尋常的情況下，使用更精確的浮點數(shù)可能會很有用。這在numpy中是否可行取決于硬件和開發(fā)環(huán)境：具體地說，x86機器提供80位精度的硬件浮點，雖然大多數(shù)C編譯器提供這一點作為它們的 long double 類型，MSVC(Windows構建的標準)使 long double 等同于 double (64位)。NumPy使編譯器的 long double 作為 np.longdouble 可用(而 np.clongdouble 用于復數(shù))。您可以使用 np.finfo(np.longdouble) 找出 numpy提供了什么。
NumPy不提供比C的 long double 更高精度的dtype；特別是128位IEEE四精度數(shù)據(jù)類型(FORTRAN的 REAL*16 )不可用。
為了有效地進行內(nèi)存的校準，np.longdouble通常以零位進行填充，即96或者128位， 哪個更有效率取決于硬件和開發(fā)環(huán)境；通常在32位系統(tǒng)上它們被填充到96位，而在64位系統(tǒng)上它們通常被填充到128位。np.longdouble被填充到系統(tǒng)默認值；為需要特定填充的用戶提供了np.float96和np.float128。盡管它們的名稱是這樣叫的, 但是np.float96和np.float128只提供與np.longdouble一樣的精度, 即大多數(shù)x86機器上的80位和標準Windows版本中的64位。
請注意，即使np.longdouble提供比python float更多的精度，也很容易失去額外的精度，因為python通常強制值通過float傳遞值。例如，%格式操作符要求將其參數(shù)轉(zhuǎn)換為標準python類型，因此即使請求了許多小數(shù)位，也不可能保留擴展精度。使用值1 + np.finfo(np.longdouble).eps測試你的代碼非常有用。
作者：柯廣的網(wǎng)絡日志 ? 數(shù)據(jù)類型
微信公眾號：Java大數(shù)據(jù)與數(shù)據(jù)倉庫
分類導航