Python NumPy教程之数据类型对象详解

每个NumPy数组（ndarray）都关联一个数据类型（dtype）对象，该对象定义了数组在内存中的布局方式。具体而言，它提供了以下关键信息：

• 数据的具体类型，例如整数、浮点数或Python对象等。
• 数据占用的内存大小，以字节为单位。
• 数据的字节存储顺序，即小端序（little-endian）或大端序（big-endian）。
• 若数据类型为子数组，则包含其形状定义及子数组的数据类型。

ndarray的值实际存储在缓冲区中，表现为连续的内存字节序列。dtype对象决定了如何解释这些字节，从而确定数据的最终形态。

构造数据类型（dtype）对象

数据类型对象是numpy.dtype类的一个实例，可以通过调用numpy.dtype函数来创建。

该函数接受以下参数：

obj：需要转换为数据类型对象的原始对象。

align：布尔值，可选。若设为True，会在字段中添加填充以匹配C编译器生成的类似C结构体的对齐方式。

copy：布尔值，可选。若设为True，将创建一个新的数据类型对象副本；若为False，结果可能仅引用内置的数据类型对象。

# Python 程序创建数据类型对象
import numpy as np
 
# np.int16 被转换为数据类型对象。
print(np.dtype(np.int16))

函数返回转换后的数据类型对象，例如：

int16

# Python 程序创建一个包含 32 位大端整数的数据类型对象
import numpy as np
 
# i4 表示大小为 4 字节的整数
# > 表示大端字节序和
# < 表示小端编码。
# dt 是一个 dtype 对象
dt = np.dtype('>i4')
 
print("Byte order is:",dt.byteorder)
 
print("Size is:", dt.itemsize)
 
print("Data type is:", dt.name)

以下为创建包含特定字节序和大小的数据类型对象的示例输出：

Byte order is: > Size is: 4 Name of data type is: int32

在上述示例中使用的类型说明符（如i4）还可以采用其他多种格式表示：

包括b1、i1、i2、i4、i8、u1、u2、u4、u8、f2、f4、f8、c8、c16以及a（分别代表字节、不同大小的整数、无符号整数、浮点数、指定字节长度的复数和定长字符串）。

或者使用更直观的命名方式，如int8、...、uint8、...、float16、float32、float64、complex64、complex128（此处数字表示位数）。

需要注意的是，dtype与Python内置的type并不相同。

# 用于区分类型和数据类型的 Python 程序。
import numpy as np
 
a = np.array([1])
 
print("type is: ",type(a))
print("dtype is: ",a.dtype)

以下是区分类型和数据类型的代码输出示例：

type is: dtype is: int32

具有结构化数组的数据类型对象

dtype对象在创建结构化数组时非常有用。结构化数组是指包含多种不同类型数据的数组，可以通过字段名直接访问其中的数据。

字段类似于为对象指定名称。在结构化数组中，对应的dtype对象也是结构化的，允许定义多个字段及其类型。

# 用于演示字段使用的 Python 程序
import numpy as np
 
# 一种结构化数据类型，包含一个 16 字符的字符串（在“name”字段中）和两个 64 位浮点数的子数组（在“grades”字段中）
 
dt = np.dtype([('name', np.unicode_, 16),
               ('grades', np.float64, (2,))])
 
# 具有字段等级的对象的数据类型
print(dt['grades'])
 
# 具有字段名称的对象的数据类型
print(dt['name'])

以下是访问结构化数组中特定字段类型的输出示例：

('<f8', (2,))

# Python 程序演示了数据类型对象与结构化数组的使用。
import numpy as np
 
dt = np.dtype([('name', np.unicode_, 16),
               ('grades', np.float64, (2,))])
 
# x 是一个包含学生姓名和分数的结构化数组。
# 学生姓名的数据类型是np.unicode_，分数的数据类型是np.float(64)
x = np.array([('Sarah', (8.0, 7.0)),
              ('John', (6.0, 7.0))], dtype=dt)
 
print(x[1])
 
print("Grades of John are: ", x[1]['grades'])
print("Names are: ", x['name'])

以下是使用结构化数组进行数据操作的实际输出：

('John', [ 6., 7.]) Grades of John are: [ 6. 7.] Names are: ['Sarah' 'John']

本文介绍了Python NumPy中数据类型对象的核心概念与用法。如需了解更多Python NumPy数据类型相关内容，请查阅本站往期文章或继续浏览后续教程，感谢支持！