Python Numpy data-type dtype 自定义数据类型

╰+哭是因爲堅強的太久メ 2021-06-24 14:37 594阅读 0赞

## **一、实例** ##

[BIG-ENDIAN和LITTLE\_ENDIAN区别][BIG-ENDIAN_LITTLE_ENDIAN]  
**数据类型定义：**

>>> dt = np.dtype('>i4')  定义一个big-endian int 4*8=32位的数据类型
    >>> dt
    dtype('>i4')
    >>> dt.byteorder    //字节顺序：>为big-edian <为little-endian 
    '>'
    >>> dt.itemsize    //字节大小
    4
    >>> dt.name       //dt类型
    'int32'
    >>> dt.type is np.int32
    True

**自定义数据类型：**  
定义dt：

>>> dt = np.dtype([('name', np.str_, 16), ('grades', np.float64, (2,))])   //定义一个数据类型，其中name为16为字符串，grades为2个float64的子数组
    >>> dt['name']
    dtype('<U16')
    >>> dt['grades']
    dtype(('<f8',(2,)))

使用：

>>> x = np.array([('Sarah', (8.0, 7.0)), ('John', (6.0, 7.0))], dtype=dt)
    >>> x[1]
    ('John', [6.0, 7.0])
    >>> x[1]['grades']
    array([ 6.,  7.])
    >>> type(x[1])
    <type 'numpy.void'>
    >>> type(x[1]['grades'])
    <type 'numpy.ndarray'>

## **二、dtype参数** ##

在声明数据类型时dtype能够自动将参数转为相应类型。默认数据类型为float\_。  
**24个內建参数：**  
[24內建Array-scalar types][24_Array-scalar types]

>>> dt = np.dtype(np.int32)      # 32位int，注意32为位
    >>> dt = np.dtype(np.complex128) # 128位复数

**numpy.sctypeDict.keys()参数：**  
存在于numpy.sctypeDict.keys()中的字符串参数：

>>> dt = np.dtype('uint32')   # 32位uint，注意32为位
    >>> dt = np.dtype('Float64')  # 64位float

**python类型参数：**

<table> 
 <thead> 
  <tr> 
   <th>Tables</th> 
   <th align="center">Are</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td>int</td> 
   <td align="center">int_</td> 
  </tr> 
  <tr> 
   <td>bool</td> 
   <td align="center">bool_</td> 
  </tr> 
  <tr> 
   <td>float</td> 
   <td align="center">float_</td> 
  </tr> 
  <tr> 
   <td>complex</td> 
   <td align="center">cfloat</td> 
  </tr> 
  <tr> 
   <td>str</td> 
   <td align="center">string</td> 
  </tr> 
  <tr> 
   <td>unicode</td> 
   <td align="center">unicode_</td> 
  </tr> 
  <tr> 
   <td>buffer</td> 
   <td align="center">void</td> 
  </tr> 
  <tr> 
   <td>(all others)</td> 
   <td align="center">object_</td> 
  </tr> 
 </tbody> 
</table>

>>> dt = np.dtype(float)   # Python的浮点
    >>> dt = np.dtype(int)     # Python的整型
    >>> dt = np.dtype(object)  # Python的对象

**简略字符参数：**

'b'     boolean
    'i'     (signed) integer
    'u'     unsigned integer
    'f'     floating-point
    'c'     complex-floating point
    'm'     timedelta
    'M'     datetime
    'O'     (Python) objects
    'S', 'a'    (byte-)string
    'U'     Unicode
    'V'     raw data (void)

>>> dt = np.dtype('f8')   # 64位浮点，注意8为字节
    >>> dt = np.dtype('c16')  # 128位复数

**带逗号字符串参数：**

>>> dt = np.dtype("a3, 3u8, (3,4)a10")  //3字节字符串、3个64位整型子数组、3*4的10字节字符串数组，注意8为字节

**其他：**  
(flexible\_dtype, itemsize)第一个参数类型参数大小不固定，第二传入大小：

>>> dt = np.dtype((void, 10))  #10位
    >>> dt = np.dtype((str, 35))   # 35字符字符串
    >>> dt = np.dtype(('U', 10))   # 10字符unicode string

(fixed\_dtype, shape)第一个参数传入固定大小参数，第二参数传入个数

>>> dt = np.dtype((np.int32, (2,2)))          # 2*2int子数组
    >>> dt = np.dtype(('S10', 1))                 # 10字符字符串
    >>> dt = np.dtype(('i4, (2,3)f8, f4', (2,3))) # 2x3结构子数组

\[(field\_name, field\_dtype, field\_shape), …\]：

>>> dt = np.dtype([('big', '>i4'), ('little', '<i4')])
    >>> dt = np.dtype([('R','u1'), ('G','u1'), ('B','u1'), ('A','u1')])

\{‘names’: …, ‘formats’: …, ‘offsets’: …, ‘titles’: …, ‘itemsize’: …\}：

>>> dt = np.dtype({
       'names': ['r','g','b','a'],'formats': [uint8, uint8, uint8, uint8]})

>>> dt = np.dtype({
       'names': ['r','b'], 'formats': ['u1', 'u1'], 'offsets': [0, 2],'titles': ['Red pixel', 'Blue pixel']})

\{‘field1’: …, ‘field2’: …, …\}：  
不推荐使用，可能会产生冲突

>>> dt = np.dtype({
       'col1': ('S10', 0), 'col2': (float32, 10),'col3': (int, 14)}) //col1在字节0处，col2在字节10处，col3在字节14处

(base\_dtype, new\_dtype)：

>>> dt = np.dtype((np.int32,{
       'real':(np.int16, 0),'imag':(np.int16, 2)})  //base_dtype前两个字节放置real，后两个字节放置imag
    >>>dt = np.dtype((np.int32, (np.int8, 4)))  //base_dtype被分成4个int8的子数组

## **三、切换类型** ##

使用astype，不可直接更改对象的dtype值

>>> b = np.array([1., 2., 3., 4.])
    >>> b.dtype
    dtype(‘float64‘)
    >>> c = b.astype(int)
    >>> c
    array([1, 2, 3, 4])
    >>> c.shape
    (8,)
    >>> c.dtype
    dtype(‘int32‘)

>>> b
    array([ 1.,  2.,  3.,  4.])
    >>> b.dtype = ‘int‘
    >>> b.dtype
    dtype(‘int32‘)
    >>> b
    array([0, 1072693248,0, 1073741824,0,1074266112,          0, 1074790400])  //数组长度加倍
    >>> b.shape
    (8,)

**查看类型取值范围：**

np.finfo(np.float32)

[英文版][Link 1]

[BIG-ENDIAN_LITTLE_ENDIAN]: http://baike.baidu.com/link?url=niQ5waNsGi8NPgqIDGq-ec5e099UgOrQcUsFA4xYcYh1Xp3N8uGLBqSK-sILnQgIat0RuQPWuUYPGiSXMJopZ-gzVnglT3SXvgOLm5g9Sf_
[24_Array-scalar types]: https://docs.scipy.org/doc/numpy/reference/arrays.scalars.html#arrays-scalars-built-in
[Link 1]: https://docs.scipy.org/doc/numpy/reference/arrays.dtypes.html