NumPy之:數據類型

簡介

咱們知道Python中有4種數字類型，分別是int，float，bool和complex。做爲科學計算的NumPy，其數據類型更加的豐富。

今天給你們詳細講解一下NumPy中的數據類型。

數組中的數據類型

NumPy是用C語言來實現的，咱們能夠對標一下NumPy中數組中的數據類型跟C語言中的數據類型：

Numpy 中的類型	C 中的類型	說明
np.bool_	bool	Boolean (True or False) stored as a byte
np.byte	signed char	Platform-defined
np.ubyte	unsigned char	Platform-defined
np.short	short	Platform-defined
np.ushort	unsigned short	Platform-defined
np.intc	int	Platform-defined
np.uintc	unsigned int	Platform-defined
np.int_	long	Platform-defined
np.uint	unsigned long	Platform-defined
np.longlong	long long	Platform-defined
np.ulonglong	unsigned long long	Platform-defined
np.half / np.float16		Half precision float: sign bit, 5 bits exponent, 10 bits mantissa
np.single	float	Platform-defined single precision float: typically sign bit, 8 bits exponent, 23 bits mantissa
np.double	double	Platform-defined double precision float: typically sign bit, 11 bits exponent, 52 bits mantissa.
np.longdouble	long double	Platform-defined extended-precision float
np.csingle	float complex	Complex number, represented by two single-precision floats (real and imaginary components)
np.cdouble	double complex	Complex number, represented by two double-precision floats (real and imaginary components).
np.clongdouble	long double complex	Complex number, represented by two extended-precision floats (real and imaginary components).

咱們在Ipython環境中隨機查看一下上面的類型究竟是什麼：

import numpy as np

In [26]: np.byte
Out[26]: numpy.int8

In [27]: np.bool_
Out[27]: numpy.bool_

In [28]: np.ubyte
Out[28]: numpy.uint8

In [29]: np.short
Out[29]: numpy.int16

In [30]: np.ushort
Out[30]: numpy.uint16

因此上面的數據類型，其底層仍是固定長度的數據類型，咱們看下到底有哪些：

Numpy 類型	C 類型	說明
np.int8	int8_t	Byte (-128 to 127)
np.int16	int16_t	Integer (-32768 to 32767)
np.int32	int32_t	Integer (-2147483648 to 2147483647)
np.int64	int64_t	Integer (-9223372036854775808 to 9223372036854775807)
np.uint8	uint8_t	Unsigned integer (0 to 255)
np.uint16	uint16_t	Unsigned integer (0 to 65535)
np.uint32	uint32_t	Unsigned integer (0 to 4294967295)
np.uint64	uint64_t	Unsigned integer (0 to 18446744073709551615)
np.intp	intptr_t	Integer used for indexing, typically the same as ssize_t
np.uintp	uintptr_t	Integer large enough to hold a pointer
np.float32	float
np.float64 / np.float_	double	Note that this matches the precision of the builtin python float.
np.complex64	float complex	Complex number, represented by two 32-bit floats (real and imaginary components)
np.complex128 / np.complex_	double complex	Note that this matches the precision of the builtin python complex.

全部這些類型都是 dtype 對象的實例。經常使用的有5種基本類型，分別是bool，int，uint，float和complex。

類型後面帶的數字表示的是該類型所佔的字節數。

上面表格中有一些 Platform-defined的數據類型，這些類型是跟平臺相關的，在使用的時候要特別注意。

這些dtype類型能夠在建立數組的時候手動指定：

>>> 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)

因爲歷史緣由，爲了向下兼容，咱們也能夠在建立數組的時候指定字符格式的dtype。

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

上面的 f 表示的是float類型。

類型轉換

若是想要轉換一個現有的數組類型，可使用數組自帶的astype方法，也能夠調用np的強制轉換方法：

In [33]: z = np.arange(3, dtype=np.uint8)

In [34]: z
Out[34]: array([0, 1, 2], dtype=uint8)

In [35]: z.astype(float)
Out[35]: array([0., 1., 2.])

In [36]: np.int8(z)
Out[36]: array([0, 1, 2], dtype=int8)

注意，上面咱們使用了 float ， Python將會把float 自動替換成爲 np.float_，一樣的簡化格式還有 int == np.int_, bool == np.bool_, complex == np.complex_. 其餘的數據類型不能使用簡化版本。

查看類型

查看一個數組的數據類型可使用自帶的dtype屬性：

In [37]: z.dtype
Out[37]: dtype('uint8')

dtype做爲一個對象，自己也能夠進行一些類型判斷操做：

>>> d = np.dtype(int)
>>> d
dtype('int32')

>>> np.issubdtype(d, np.integer)
True

>>> np.issubdtype(d, np.floating)
False

數據溢出

通常來講，若是超出了數據的範圍是會報異常的。好比咱們有一個很是長的int值：

In [38]: a= 1000000000000000000000000000000000000000000000000000000000000000000000000000000

In [39]: a
Out[39]: 1000000000000000000000000000000000000000000000000000000000000000000000000000000

In [40]: np.int(1000000000000000000000000000000000000000000000000000000)
Out[40]: 1000000000000000000000000000000000000000000000000000000

In [41]: np.int32(1000000000000000000000000000000000000000000000000000000)
---------------------------------------------------------------------------
OverflowError                             Traceback (most recent call last)
<ipython-input-41-71feb4433730> in <module>()
----> 1 np.int32(1000000000000000000000000000000000000000000000000000000)

上面的數字太長了，超出了int32的範圍，就會拋出異常。

可是NumPy的有些操做，若是超出範圍以後，並不會報異常，而是正常範圍，這時候咱們就須要注意了：

In [43]: np.power(100, 8, dtype=np.int32)
Out[43]: 1874919424

In [44]: np.power(100, 8, dtype=np.int64)
Out[44]: 10000000000000000

NumPy提供了兩個方法來測量int和float的範圍，numpy.iinfo 和 numpy.finfo ：

In [45]:  np.iinfo(int)
Out[45]: iinfo(min=-9223372036854775808, max=9223372036854775807, dtype=int64)

In [46]: np.iinfo(np.int32)
Out[46]: iinfo(min=-2147483648, max=2147483647, dtype=int32)

In [47]: np.iinfo(np.int64)
Out[47]: iinfo(min=-9223372036854775808, max=9223372036854775807, dtype=int64)

若是64位的int仍是過小的話，可使用np.float64，float64可使用科學計數法，因此可以獲得更大範圍的結果，可是其精度可能會縮小。

In [48]: np.power(100, 100, dtype=np.int64)
Out[48]: 0

In [49]: np.power(100, 100, dtype=np.float64)
Out[49]: 1e+200

本文已收錄於 http://www.flydean.com/02-python-numpy-datatype/

最通俗的解讀，最深入的乾貨，最簡潔的教程，衆多你不知道的小技巧等你來發現！

歡迎關注個人公衆號:「程序那些事」,懂技術，更懂你！