NumPy 數(shù)據(jù)類型

1、數(shù)組類型和類型之間的轉(zhuǎn)換

NumPy 支持的數(shù)值類型比 Python 多得多。本節(jié)顯示哪些可用，以及如何修改數(shù)組的數(shù)據(jù)類型。 支持的基本類型與 C 中的基本類型密切相關(guān)：

由于其中許多具有平臺相關(guān)的定義，因此提供了一組固定大小的別名（請參閱大小別名）。

NumPy 數(shù)字類型是dtype（數(shù)據(jù)類型）對象的實(shí)例，每個對象都有獨(dú)特的特征。使用導(dǎo)入 NumPy 后

>>> import numpy as np

在dtypes可作為np.bool_，np.float32等等。

上面未列出的高級類型在結(jié)構(gòu)化數(shù)組部分進(jìn)行了探討。

有 5 種基本數(shù)字類型表示布爾值 (bool)、整數(shù) (int)、無符號整數(shù) (uint) 浮點(diǎn)數(shù) (float) 和復(fù)數(shù)。名稱中帶有數(shù)字的那些表示類型的位大?。幢硎緝?nèi)存中的單個值需要多少位）。某些類型（例如int和?intp）具有不同的位大小，具體取決于平臺（例如 32 位與 64 位機(jī)器）。在與尋址原始內(nèi)存的低級代碼（例如 C 或 Fortran）接口時，應(yīng)考慮到這一點(diǎn)。

數(shù)據(jù)類型可以用作將 python 數(shù)字轉(zhuǎn)換為數(shù)組標(biāo)量的函數(shù)（有關(guān)解釋，請參閱數(shù)組標(biāo)量部分），將數(shù)字的 python 序列轉(zhuǎn)換為該類型的數(shù)組，或作為許多 numpy 函數(shù)或方法接受的 dtype 關(guān)鍵字的參數(shù).?一些例子：

>>> 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)

數(shù)組類型也可以通過字符代碼引用，主要是為了保持與舊包（如 Numeric）的向后兼容性。一些文檔可能仍然引用這些，例如：

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

我們建議改用 dtype 對象。

要轉(zhuǎn)換數(shù)組的類型，請使用 .astype() 方法（首選）或類型本身作為函數(shù)。例如：

>>> z.astype(float）
array([  0.,  1.,  2.])
>>> np.int8(z)
array([0, 1, 2], dtype=int8)

請注意，在上面，我們使用Python浮點(diǎn)對象作為 dtype。NumPy的人都知道int是指np.int_，bool手段np.bool_，那float是np.float_和complex是np.complex_。其他數(shù)據(jù)類型沒有 Python 等價物。

要確定數(shù)組的類型，請查看 dtype 屬性：

>>> z.dtype
dtype('uint8')

dtype 對象還包含有關(guān)類型的信息，例如其位寬和字節(jié)順序。數(shù)據(jù)類型也可以間接用于查詢該類型的屬性，例如是否為整數(shù)：

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


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


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

2、數(shù)組標(biāo)量

NumPy 通常將數(shù)組元素作為數(shù)組標(biāo)量（具有關(guān)聯(lián) dtype 的標(biāo)量）返回。數(shù)組標(biāo)量與 Python 標(biāo)量不同，但在大多數(shù)情況下，它們可以互換使用（主要的例外是 v2.x 之前的 Python 版本，其中整數(shù)數(shù)組標(biāo)量不能作為列表和元組的索引）。有一些例外，例如當(dāng)代碼需要標(biāo)量的非常具體的屬性時，或者當(dāng)它專門檢查一個值是否是 Python 標(biāo)量時。通常，通過使用相應(yīng)的 Python 類型函數(shù)（例如int、float、complex、str、unicode）將數(shù)組標(biāo)量顯式轉(zhuǎn)換為 Python 標(biāo)量，可以輕松解決問題。

使用數(shù)組標(biāo)量的主要優(yōu)點(diǎn)是它們保留了數(shù)組類型（Python 可能沒有可用的匹配標(biāo)量類型，例如int16）。因此，使用數(shù)組標(biāo)量可確保數(shù)組和標(biāo)量之間的行為相同，無論該值是否在數(shù)組內(nèi)。NumPy 標(biāo)量也有許多與數(shù)組相同的方法。

3、溢出錯誤

當(dāng)值需要比數(shù)據(jù)類型中可用的更多內(nèi)存時，NumPy 數(shù)字類型的固定大小可能會導(dǎo)致溢出錯誤。例如，?對于 64 位整數(shù)numpy.power計算正確，但對于 32 位整數(shù)給出 1874919424（不正確）。100?**?8

>>> np.power(100, 8, dtype=np.int64)
10000000000000000
>>> np.power(100, 8, dtype=np.int32)
1874919424

NumPy 和 Python 整數(shù)類型的行為在整數(shù)溢出方面存在顯著差異，并且可能會使期望 NumPy 整數(shù)行為類似于 Python 的int.?與 NumPy 不同，Python 的大小int是靈活的。這意味著 Python 整數(shù)可以擴(kuò)展以容納任何整數(shù)并且不會溢出。

NumPy 提供numpy.iinfo并numpy.finfo分別驗(yàn)證 NumPy 整數(shù)和浮點(diǎn)值的最小值或最大值

>>> np.iinfo(int) # Bounds of the default integer on this system.
iinfo(min=-9223372036854775808, max=9223372036854775807, dtype=int64)
>>> np.iinfo(np.int32) # Bounds of a 32-bit integer
iinfo(min=-2147483648, max=2147483647, dtype=int32)
>>> np.iinfo(np.int64) # Bounds of a 64-bit integer
iinfo(min=-9223372036854775808, max=9223372036854775807, dtype=int64)

如果 64 位整數(shù)仍然太小，則結(jié)果可能會轉(zhuǎn)換為浮點(diǎn)數(shù)。浮點(diǎn)數(shù)提供了更大但不精確的可能值范圍。

>>> np.power(100, 100, dtype=np.int64) # Incorrect even with 64-bit int
0
>>> np.power(100, 100, dtype=np.float64)
1e+200

4、擴(kuò)展精度

Python 的浮點(diǎn)數(shù)通常是 64 位浮點(diǎn)數(shù)，幾乎相當(dāng)于np.float64.?在某些不尋常的情況下，使用更精確的浮點(diǎn)數(shù)可能會很有用。這在 numpy 中是否可行取決于硬件和開發(fā)環(huán)境：具體來說，x86 機(jī)器提供具有 80 位精度的硬件浮點(diǎn)，雖然大多數(shù) C 編譯器都提供這種?類型，但 MSVC（Windows 構(gòu)建的標(biāo)準(zhǔn)）使得?等同于（64 位）。NumPy 使編譯器可用作（以及?用于復(fù)數(shù)）。您可以找出 numpy 提供的內(nèi)容。long?double``long?double``double``long?double``np.longdouble``np.clongdouble``np.finfo(np.longdouble)

NumPy 不提供比 C 的\更精確的 dtype?；特別是 128 位 IEEE 四精度數(shù)據(jù)類型（FORTRAN 的\）不可用。long?double``REAL*16

為了有效的內(nèi)存對齊，np.longdouble通常用零位填充存儲，要么是 96 位要么是 128 位。哪個更高效取決于硬件和開發(fā)環(huán)境；通常在 32 位系統(tǒng)上它們被填充到 96 位，而在 64 位系統(tǒng)上它們通常被填充到 128 位。np.longdouble填充到系統(tǒng)默認(rèn)值；np.float96并np.float128為需要特定填充的用戶提供。盡管有這些名稱，np.float96并且?np.float128僅提供與 一樣多的精度np.longdouble，即大多數(shù) x86 機(jī)器上的 80 位和標(biāo)準(zhǔn) Windows 版本中的 64 位。

請注意，即使np.longdouble提供比 python 更高的精度float，也很容易失去額外的精度，因?yàn)?python 經(jīng)常強(qiáng)制值通過float。例如，%格式化操作符要求將其參數(shù)轉(zhuǎn)換為標(biāo)準(zhǔn)的 Python 類型，因此即使請求了許多小數(shù)位，也無法保留擴(kuò)展精度。使用值測試您的代碼會很有用?。1?+?np.finfo(np.longdouble).eps