理解 NumPy 数据类型

简介

本实验将提供一份循序渐进的指南，帮助你了解 NumPy 中可用的不同数据类型，以及如何修改数组的数据类型。NumPy 支持多种数值类型，包括布尔值、整数、浮点数和复数。了解这些数据类型对于使用 NumPy 执行各种数值计算和数据分析任务非常重要。

注意：你可以在 04-data-types.ipynb 中编写代码。步骤中省略了一些打印操作，你可以根据需要打印输出。

理解数据类型

NumPy 支持多种与 C 编程语言紧密相关的数值类型。以下是 NumPy 中一些最常用的数据类型：

• numpy.bool_：布尔值（True 或 False），存储为一个字节
• numpy.byte：有符号字符（取决于平台）
• numpy.ubyte：无符号字符（取决于平台）
• numpy.short：短整型（取决于平台）
• numpy.ushort：无符号短整型（取决于平台）
• numpy.intc：整型（取决于平台）
• numpy.uintc：无符号整型（取决于平台）
• numpy.int_：长整型（取决于平台）
• numpy.uint：无符号长整型（取决于平台）
• numpy.longlong：长长整型（取决于平台）
• numpy.ulonglong：无符号长长整型（取决于平台）
• numpy.half / numpy.float16：半精度浮点数
• numpy.single：单精度浮点数（取决于平台）
• numpy.double：双精度浮点数（取决于平台）
• numpy.longdouble：扩展精度浮点数（取决于平台）
• numpy.csingle：由两个单精度浮点数表示的复数
• numpy.cdouble：由两个双精度浮点数表示的复数
• numpy.clongdouble：由两个扩展精度浮点数表示的复数

这些数据类型的定义取决于平台，但为了方便起见，NumPy 也提供了固定大小的别名。

使用数据类型

NumPy 数据类型由 dtype（数据类型）对象表示。使用 import numpy as np 导入 NumPy 后，你可以通过 np.bool_、np.float32 等访问数据类型。

你可以将数据类型用作函数，将 Python 数字转换为数组标量，将 Python 数字序列转换为该类型的数组，或者在许多 NumPy 函数或方法中作为 dtype 关键字的参数。以下是一些示例：

x = np.float32(1.0)
## x 现在是一个值为 1.0 的 float32 数组标量

y = np.int_([1,2,4])
## y 现在是一个值为 [1, 2, 4] 的 int 数组

z = np.arange(3, dtype=np.uint8)
## z 现在是一个值为 [0, 1, 2] 的 uint8 数组

你也可以使用字符代码引用数组类型，不过建议使用 dtype 对象。例如：

np.array([1, 2, 3], dtype='f')
## 返回一个值为 [1., 2., 3.] 且数据类型为 float32 的数组

要转换数组的类型，可以使用 .astype() 方法，也可以将类型本身用作函数。例如：

z.astype(float)
## 返回数据类型为 float64 的数组 z

np.int8(z)
## 返回数据类型为 int8 的数组 z

获取数组的数据类型

要确定数组的数据类型，可以访问 dtype 属性。例如：

z.dtype
## 返回数组 z 的数据类型，即 uint8

dtype 对象还包含有关该类型的信息，例如其位宽和字节顺序。可以使用 dtype 对象查询类型的属性，例如它是否为整数。例如：

d = np.dtype(int)
## 创建一个用于 int 的 dtype 对象

np.issubdtype(d, np.integer)
## 返回 True，表示 d 是 np.integer 的子数据类型

np.issubdtype(d, np.floating)
## 返回 False，表示 d 不是 np.floating 的子数据类型

总结

在本实验中，你学习了 NumPy 中可用的不同数值数据类型以及如何使用它们。你可以使用 dtype 对象将 Python 数字转换为数组标量、创建特定类型的数组以及修改数组的数据类型。理解数据类型对于使用 NumPy 执行数值计算和数据分析任务非常重要。