文章目錄

• 簡介
• 數組中的數據類型
• • 類型轉換
  • 查看類型
• 數據溢出

簡介

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

今天給大家詳細講解一下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，我們可以對標一下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).

我們在Ipython環境中隨機查看一下上面的類型到底是什么：

import numpy as npIn [26]: np.byte Out[26]: numpy.int8In [27]: np.bool_ Out[27]: numpy.bool_In [28]: np.ubyte Out[28]: numpy.uint8In [29]: np.short Out[29]: numpy.int16In [30]: np.ushort Out[30]: numpy.uint16

所以上面的數據類型，其底層還是固定長度的數據類型，我們看下到底有哪些：

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.

所有這些類型都是 dtype 對象的實例。常用的有5種基本類型，分別是bool，int，uint，float和complex。

類型后面帶的數字表示的是該類型所占的字節數。

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類型可以在創建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)

由于歷史原因，為了向下兼容，我們也可以在創建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

如果想要轉換一個現有的數組類型，可以使用數組自帶的astype方法，也可以調用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，上面我們使用了 float ， Python將會把float 自動替換成為 np.float_，同樣的簡化格式還有 int == np.int_, bool == np.bool_, complex == np.complex_. 其他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以使用自帶的dtype屬性：

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

dtype作為一個對象，本身也可以進行一些類型判斷操作：

>>> d = np.dtype(int) >>> d dtype('int32')>>> np.issubdtype(d, np.integer) True>>> np.issubdtype(d, np.floating) False

數據溢出

一般來說，如果超出了數據的范圍是會報異常的。比如我們有一個非常長的int值：

In [38]: a= 1000000000000000000000000000000000000000000000000000000000000000000000000000000In [39]: a Out[39]: 1000000000000000000000000000000000000000000000000000000000000000000000000000000In [40]: np.int(1000000000000000000000000000000000000000000000000000000) Out[40]: 1000000000000000000000000000000000000000000000000000000In [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的范圍，就會拋出異常。

但是NumPy的有些操作，如果超出范圍之后，并不會報異常，而是正常范圍，這時候我們就需要注意了：

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

如果64位的int還是太小的話，可以使用np.float64，float64可以使用科學計數法，所以能夠得到更大范圍的結果，但是其精度可能會縮小。

In [48]: np.power(100, 100, dtype=np.int64) Out[48]: 0In [49]: np.power(100, 100, dtype=np.float64) Out[49]: 1e+200

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

最通俗的解讀，最深刻的干貨，最簡潔的教程，眾多你不知道的小技巧等你來發現！

歡迎關注我的公眾號:「程序那些事」,懂技術，更懂你！

總結

以上是生活随笔為你收集整理的NumPy之:数据类型的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。