0. numpy 下的資料型別

• uint：
  
  • np.uint, np.uint0, np.uint8, np.uint16, np.uint32, np.uint64
• int：
  
  • np.int, np.int0, np.int8, np.int16, np.int32, np.int64
• float
  
  • x.astype(‘float32’) 等價於 x.astype(np.float32)
  • np.float, np.float16, np.float32, np.float64

1. 檢視 numpy 資料型別和 Python 原生資料型別之間的對應關係

In [51]: dict([(d, type(np.zeros
 
(1,d).tolist()[0])) for d in 
            (np.float32, np.float64, np.uint32, np.int16)])
Out[51]: 
{numpy.float32: float,
 numpy.int16: int,
 numpy.uint32: int,
 numpy.float64: float}

2. 使用 np.asscalar(a) 或 a.item() 進行轉化

這兩種方式僅可轉化單個數值，而不可對 numpy 下的多維陣列進行轉化。

import numpy as np
# examples using a.item()
 

type(np.float32(0).item()) # <type 'float'>
type(np.float64(0).item()) # <type 'float'>
type(np.uint32(0).item())  # <type 'long'>
# examples using np.asscalar(a)
type(np.asscalar(np.int16(0)))   # <type 'int'>
type(np.asscalar(np.cfloat(0)))  # <type 'complex'>
type(np.asscalar
 
(np.datetime64(0)))  # <type 'datetime.datetime'>
type(np.asscalar(np.timedelta64(0))) # <type 'datetime.timedelta'>
...