Numpy 數(shù)據(jù)類型

本小節(jié)將詳述 Numpy 內(nèi)置的數(shù)據(jù)類型，以及如何在創(chuàng)建數(shù)組對(duì)象時(shí)進(jìn)行靈活指定、如何查看創(chuàng)建好的數(shù)組類型、以及如何更改數(shù)據(jù)類型。

1. 常見數(shù)據(jù)類型

Numpy 支持的數(shù)據(jù)類型比 Python 內(nèi)置的要多很多，而這也是 Numpy 如此靈活和強(qiáng)大的原因之一。

例如對(duì)于整數(shù)，在 Numpy 中，根據(jù)整數(shù)的位數(shù)不同所需要占據(jù)的空間大小不同，又對(duì)整數(shù)類型進(jìn)行類細(xì)分，常見地可以分為 int8、int16、int32、int64 等等。

Numpy 支持的常用數(shù)據(jù)類型如下：

2. 定義數(shù)據(jù)類型

dtype 是一個(gè)特殊的對(duì)象，在該對(duì)象中定義了 ndarray 的數(shù)據(jù)類型與數(shù)據(jù)大小。通常我們?cè)趧?chuàng)建 ndarray 的時(shí)候，可以顯示地利用 dtype 定義數(shù)組的細(xì)節(jié)信息。

案例

在創(chuàng)建數(shù)組對(duì)象的時(shí)候，通過給 dtype 賦值，顯式地定義一個(gè) int8 類型的數(shù)組。

import numpy as np

arr0 = np.array([[1,2,3], [4,5,6]], dtype=np.int8)
arr0

Out:
    array([[1, 2, 3],
            [4, 5, 6]], dtype=int8)

在創(chuàng)建數(shù)組對(duì)象的時(shí)候，通過給 dtype 賦值，顯式地定義一個(gè) float16 類型的數(shù)組

arr1 = np.array([[1.2, -2.4, 3.1], [-4, 5.9, -6.7]], dtype=np.float16)
arr1

Out:
    array([[ 1.2, -2.4,  3.1],
		[-4. ,  5.9, -6.7]], dtype=float16)

在創(chuàng)建數(shù)組對(duì)象的時(shí)候，通過給 dtype 賦值，顯式地定義一個(gè) S2 字符串類型的數(shù)組

arr2 = np.array(list('ABCD'), ndmin=2, dtype='S2')
arr2

Out:
    array([[b'A', b'B', b'C', b'D']], dtype='|S2')

在創(chuàng)建數(shù)組對(duì)象的時(shí)候，通過給 dtype 賦值，顯式地定義布爾類型的數(shù)組

arr3 = np.array([[-1,0,-3], [4,-5,6]], dtype=np.bool)
arr3

Out:
    array([[ True, False,  True],
           [ True,  True,  True]])

3. 查詢數(shù)據(jù)類型

同樣的，對(duì)于已經(jīng)定義好數(shù)組，也可以通過調(diào)用 dtype 對(duì)象，查看其數(shù)據(jù)類型。

案例

逐個(gè)查看上面定義的數(shù)組的數(shù)據(jù)類型：

arr0.dtype
Out:
    dtype('int8')

arr1.dtype
Out:
    dtype('float16')

arr2.dtype
Out:
    dtype('S2')

arr3.dtype
Out:
    dtype('bool')

4. 更改數(shù)據(jù)類型

對(duì)于已經(jīng)定義好的數(shù)組，也可以通過 ndarray 的 astype 方法對(duì) dtype 對(duì)象進(jìn)行修改。

案例

將整數(shù)類型的數(shù)組轉(zhuǎn)換成浮點(diǎn)數(shù)類型，并查看轉(zhuǎn)換之后的結(jié)果：

float_arr0 = arr0.astype(np.float)
float_arr0.dtype

Out:
    dtype('float64')

可以看到，在我們不指定具體的浮點(diǎn)數(shù)精度的時(shí)候，Numpy 也會(huì)自動(dòng)去推斷一個(gè)合理的類型（當(dāng)然，很多時(shí)候并不是最優(yōu)的類型，因此在處理大數(shù)據(jù)集時(shí)，建議定義完整）。

如果把浮點(diǎn)數(shù)轉(zhuǎn)換成整數(shù)，則小數(shù)部分將會(huì)被截?cái)嗌釛墶?/p>

int_arr1 = arr1.astype(np.int8)
int_arr1

array([[ 1, -2,  3],
       [-4,  5, -6]], dtype=int8)

對(duì)于字符串類型的數(shù)組，在某些情況是可以與浮點(diǎn)數(shù)進(jìn)行轉(zhuǎn)換的，例如：

string_arr4 = np.array([['1.2', '2.8'], ['4.3', '5.7']], dtype=np.string_)
string_arr4.astype(np.float16)

Out:
    array([[1.2, 2.8],
           [4.3, 5.7]], dtype=float16)

需要注意的是，astype 并非全能，在某些情況下，如果轉(zhuǎn)換過程失敗，則會(huì)引發(fā)一個(gè)ValueError。例如：

string_arr4.astype(np.int16)

ValueError                                Traceback (most recent call last)
<ipython-input-25-787558dcde3c> in <module>
----> 1 string_arr4.astype(np.int16)

ValueError: invalid literal for int() with base 10: '1.2'

通過觀察上面的案例，我們會(huì)發(fā)現(xiàn)，利用 astype 方法會(huì)創(chuàng)造出一個(gè)新的數(shù)組。確實(shí) astype 方法并不能在原有的數(shù)組上進(jìn)行修改，因此如果你想保存改變后的數(shù)組，務(wù)必記得給它賦個(gè)值。

5. 小結(jié)

本小節(jié)詳細(xì)講述了 Numpy 內(nèi)置的數(shù)據(jù)類型，以及如何定義、查詢、更改數(shù)組的數(shù)據(jù)類型。需要注意的是，在利用 astype 方法更改數(shù)據(jù)類型的時(shí)候，并不是 100% 成功的。