Numpy 修炼之道 （3）—— 数据类型

Numpy 修炼之道 （3）—— 数据类型
Numpy 中的数组比
Python 原生中的数组（只支持整数类型与浮点类型）强大的一点就是它支持更多的数据类型。

基本数据类型
Numpy 常见的基本数据类型如下：

  数据类型     描述
   bool_         布尔（True或False），存储为一个字节
   int_           默认整数类型（与C long相同；通常为int64或int32）
   intc           与C int（通常为int32或int64）相同
   intp          用于索引的整数（与C ssize_t相同；通常为int32或int64）
   int8          字节（-128到127）
   int16        整数（-32768到32767）
   int32        整数（-2147483648至2147483647）
   int64       整数（-9223372036854775808至9223372036854775807）

 uint8无符号整数（0到255）
 uint16无符号整数（0到65535）
 uint32 无符号整数（0至4294967295）
 uint64 无符号整数（0至18446744073709551615）
 float_ float64的简写。
 


 
 float16半精度浮点：符号位，5位指数，10位尾数
 


 
 float32单精度浮点：符号位，8位指数，23位尾数
 


 
 float64 双精度浮点：符号位，11位指数，52位尾数
 


 
 complex_complex128的简写。
 


 
 complex64 复数，由两个32位浮点（实数和虚数分量）
 


 
 complex128 复数，由两个64位浮点（实数和虚数分量）
 


以上这些数据类型都可以通过 np.bool_、np.float32等方式访问。
这些类型都可以在创建 ndarray 时通过参数 dtype 来指定。


>>> a = np.arange(3, dtype=np.float16)
>>> a
array([ 0.,  1.,  2.])
>>> a.dtype
dtype('float16')

此外，在创建 ndarray 对象时，也可以通过字符代码来替换，主要是为了保持与较旧包（例如Numeric）的向后兼容性。

>>> np.array([1, 2, 3], dtype='f')
array([ 1.,  2.,  3.], dtype=float32)

但是不推荐使用这种字符代码的方式
类型转换
要转换数组的类型，请使用.astype()方法（首选）或类型本身作为函数。


>>> a
array([ 0.,  1.,  2.])
>>> a.astype(np.bool_)
array([False,  True,  True], dtype=bool)
>>> np.bool_(a)
array([False,  True,  True], dtype=bool)


脑洞科技栈专注于人工智能与量化投资领域

了解更多干货文章，关注小程序八斗问答