numpy 支持的数据类型比 Python 内置的类型要多很多，基本上可以和 C 语言的数据类型对应上，其中部分类型对应为 Python 内置的类型。下面启明SEO就给大家列举出NumPy 常用 基本类型。
bool_：布尔型数据类型（True 或者 False）
int_：默认的整数类型（类似于 C 语言中的 long，int32 或 int64）
intc：与 C 的 int 类型一样，一般是 int32 或 int 64
intp：用于索引的整数类型（类似于 C 的 ssize_t，一般情况下仍然是 int32 或 int64）
int8：字节（-128 to 127）
int16：整数（-32768 to 32767）
int32：整数（-2147483648 to 2147483647）
int64：整数（-9223372036854775808 to 9223372036854775807）
uint8：无符号整数（0 to 255）
uint16：无符号整数（0 to 65535）
uint32：无符号整数（0 to 4294967295）
uint64：无符号整数（0 to 18446744073709551615）
float_：float64 类型的简写
float16：半精度浮点数，包括：1 个符号位，5 个指数位，10 个尾数位
float32：单精度浮点数，包括：1 个符号位，8 个指数位，23 个尾数位
float64：双精度浮点数，包括：1 个符号位，11 个指数位，52 个尾数位
complex_ ：complex128 类型的简写，即 128 位复数
complex64：复数，表示双 32 位浮点数（实数部分和虚数部分）
complex128：复数，表示双 64 位浮点数（实数部分和虚数部分）
数据类型对象 (dtype)
数据类型对象（numpy.dtype 类的实例）用来描述与数组对应的内存区域是如何使用，它描述了数据的以下几个方面：：
数据的类型（整数，浮点数或者 Python 对象）
数据的大小（例如， 整数使用多少个字节存储）
数据的字节顺序（小端法或大端法）
在结构化类型的情况下，字段的名称、每个字段的数据类型和每个字段所取的内存块的部分
如果数据类型是子数组，那么它的形状和数据类型是什么。
字节顺序是通过对数据类型预先设定 < 或 > 来决定的。 < 意味着小端法(最小值存储在最小的地址，即低位组放在最前面)。> 意味着大端法(最重要的字节存储在最小的地址，即高位组放在最前面)。
dtype 对象是使用以下语法构造的：
numpy.dtype(object, align, copy)
object - 要转换为的数据类型对象
align - 如果为 true，填充字段使其类似 C 的结构体。
copy - 复制 dtype 对象 ，如果为 false，则是对内置数据类型对象的引用
接下来我们可以通过实例来理解。
实例 1
import numpy as np # 使用标量类型 dt = np.dtype(np.int32) print(dt)
输出结果为：int32
实例 2
import numpy as np
# int8, int16, int32, int64 四种数据类型可以使用字符串 'i1', 'i2','i4','i8' 代替
dt = np.dtype('i4')
print(dt)输出结果为：int32
实例 3
import numpy as np
# 字节顺序标注
dt = np.dtype('<i4')
print(dt)输出结果为：int32
下面实例展示结构化数据类型的使用，类型字段和对应的实际类型将被创建。
实例 4
# 首先创建结构化数据类型
import numpy as np
dt = np.dtype([('age',np.int8)])
print(dt)输出结果为：[('age', 'i1')]
实例 5
# 将数据类型应用于 ndarray 对象
import numpy as np
dt = np.dtype([('age',np.int8)])
a = np.array([(10,),(20,),(30,)], dtype = dt)
print(a)输出结果为：[(10,) (20,) (30,)]
实例 6
# 类型字段名可以用于存取实际的 age 列
import numpy as np
dt = np.dtype([('age',np.int8)])
a = np.array([(10,),(20,),(30,)], dtype = dt)
print(a['age'])输出结果为：[10 20 30]
下面的示例定义一个结构化数据类型 student，包含字符串字段 name，整数字段 age，及浮点字段 marks，并将这个 dtype 应用到 ndarray 对象。
实例 7
import numpy as np
student = np.dtype([('name','S20'), ('age', 'i1'), ('marks', 'f4')])
print(student)输出结果为：
[('name', 'S20'), ('age', 'i1'), ('marks', 'f4')]
实例 8
import numpy as np
student = np.dtype([('name','S20'), ('age', 'i1'), ('marks', 'f4')])
a = np.array([('abc', 21, 50),('xyz', 18, 75)], dtype = student)
print(a)输出结果为：
[('abc', 21, 50.0), ('xyz', 18, 75.0)]
每个内建类型都有一个唯一定义它的字符代码，如下：
b：布尔型
i：(有符号) 整型
u：无符号整型 integer
f：浮点型
c：复数浮点型
m：timedelta（时间间隔）
M：datetime（日期时间）
O：(Python) 对象
S, a：(byte-)字符串
U：Unicode
V：原始数据 (void)
评论