Python NumPy教程之数据类型对象如何构造

这篇文章主要介绍“Python NumPy教程之数据类型对象如何构造”的相关知识，小编通过实际案例向大家展示操作过程，操作方法简单快捷，实用性强，希望这篇“Python NumPy教程之数据类型对象如何构造”文章能帮助大家解决问题。

十多年的巴楚网站建设经验，针对设计、前端、开发、售后、文案、推广等六对一服务，响应快，48小时及时工作处理。全网营销推广的优势是能够根据用户设备显示端的尺寸不同，自动调整巴楚建站的显示方式，使网站能够适用不同显示终端，在浏览器中调整网站的宽度，无论在任何一种浏览器上浏览网站，都能展现优雅布局与设计，从而大程度地提升浏览体验。创新互联公司从事“巴楚网站设计”,“巴楚网站推广”以来，每个客户项目都认真落实执行。

每个 ndarray 都有一个关联的数据类型 (dtype) 对象。这个数据类型对象（dtype）告诉我们数组的布局。这意味着它为我们提供了以下信息：

• 数据类型（整数、浮点数、Python 对象等）

• 数据大小（字节数）

• 数据的字节顺序（小端或大端）

• 如果数据类型是子数组，它的形状和数据类型是什么。

ndarray 的值存储在缓冲区中，可以将其视为连续的内存字节块。所以这些字节将如何被解释由dtype对象给出。

构造数据类型（dtype）对象

数据类型对象是 numpy.dtype 类的一个实例，可以使用numpy.dtype.

参数：

obj：要转换为数据类型对象的对象。

align: [bool, optional] 向字段添加填充以匹配 C 编译器为类似 C 结构输出的内容。

copy: [bool, optional] 制作数据类型对象的新副本。如果为 False，则结果可能只是对内置数据类型对象的引用。

# 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))

输出：

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)

输出：

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

类型说明符（在上述情况下为 i4）可以采用不同的形式：

b1、i1、i2、i4、i8、u1、u2、u4、u8、f2、f4、f8、c8、c16、a（表示字节、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）

int8,...,uint8,...,float16, float32, float64, complex64, complex128（这次是位大小）

注意： dtype 与 type 不同。

# 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)

输出：

type is:    
dtype is:  int32

具有结构化数组的数据类型对象

数据类型对象对于创建结构化数组很有用。结构化数组是包含不同类型数据的数组。可以借助字段访问结构化数组。

字段就像为对象指定名称。在结构化数组的情况下，dtype 对象也将是结构化的。

# 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'])

输出：

('

# 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'])

输出：

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

关于“Python NumPy教程之数据类型对象如何构造”的内容就介绍到这里了，感谢大家的阅读。如果想了解更多行业相关的知识，可以关注创新互联行业资讯频道，小编每天都会为大家更新不同的知识点。