简介
本文将介绍NumPy中的数据类型，不同的数据类型有自己特定的场合。比如图片生成矩阵或者矩阵生成图片，要求必须是uint8数据类型。除此之外，掌握数据类型之间的转换也很重要。
数据类型
在NumPy中定义了如下的数据类型：
| 类型 | 类型代码 | 描述 |
|---|---|---|
| int8、uint8 | i1、u1 | 有符号和无符号的8位整型（1个字节） |
| int16、uint16 | i2、u2 | 有符号和无符号的16位整型（2个字节） |
| int32、uint32 | i4、u4 | 有符号和无符号的32位整型（4个字节） |
| int64、uint64 | i8、u8 | 有符号和无符号的64位整型（8个字节） |
| float16 | f2 | 半精度浮点数 |
| float32 | f4或f | 标准的单精度浮点数 |
| float64 | f8或d | 标准的双精度浮点数 |
| float128 | f16或g | 扩展精度浮点数 |
| complex64、complex128 | c8、c16 | 分别用两个32位、64位或128位浮点数表示的复数 |
| complex256 | c32 | 复数 |
| bool | ？ | True和False布尔类型 |
| object | O | Python对象类型 |
| string_ | S | 固定长度的字符串类型。例如，创建一个长度为10的字符串，应使用S10 |
| unicode_ | U | 固定长度的Unicode类型，跟字符串定义方式一样，比如U10 |
在这些类型当中，需要注意一点。有符号数据类型可以包括负数。无符号数据必须大于等于0。比如int8的取值范围是（-128，127），而uint8的取值范围是（0，255）。图片当中每个像素点的取值都是在（0，255）之间，在以后的图片处理过程要特别注意这个小知识点。
首先通过array()函数创建ndarray数组：
|
1 2 3 |
>>>a = np.array([5, 2, 0]) >>>a.dtype dtype('int32') |
可以看到默认的是int32类型，除此之外，还可以指定数据类型：
|
1 2 3 4 5 6 |
>>>b = np.array([5, 2, 0], dtype='int8') >>>b.dtype dtype('int8') >>>c = np.array([5, 2, 0], dtype='float16') >>>c.dtype dtype('float16') |
还可以通过astype方法显式地转换数据类型：
|
1 2 3 4 5 |
>>>d = c.astype(np.float64) >>>d array([5., 2., 0.]) >>>d.dtype dtype('float64') |
除了使用数据类型表示，还可以使用表中的类型代码来表示：
|
1 2 3 4 5 |
>>>e = np.array([1, 3, 5], dtype='u1') >>>e array([1, 3, 5], dtype=uint8) >>>e.dtype dtype('uint8') |
数组与标量的运算
在NumPy中能够很方便地实现数组的运算。大小相等的数组之间的运算可以应用到里面的每个元素中。
代码演示：
|
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 |
>>>import numpy as np >>>a = np.array([[1, 2], [3, 4]]) >>>a array([[1, 2], [3, 4]]) >>>b = np.ones((2, 2)) >>>b array([[1., 1.], [1., 1.]]) >>>a - b array([[0., 1.], [2., 3.]]) >>>a * a array([[ 1, 4], [ 9, 16]]) |
当然数组和标量之间也能进行运算。
代码演示：
|
1 2 3 4 5 6 7 |
>>>a - 1 array([[0, 1], [2, 3]]) >>>a * 2 array([[2, 4], [6, 8]]) |
除此之外，不同大小数组之间的运算叫做广播，在后面的内容中会讲到。
总结
在本文中介绍了NumPy的数据类型，在以后的使用中要学会通过astype方法灵活地转换数据类型；熟练掌握数组和标量之间的运算。