Numpy資料型別物件（dtype）
阿新 • • 發佈：2019-02-18
常用方法
#記住引入numpy時要是用別名np，則所有的numpy字樣都要替換 #查詢數值型別 >>>type(float) dtype('float64') # 查詢字元程式碼 >>> dtype('f') dtype('float32') >>> dtype('d') dtype('float64') # 查詢雙字元程式碼 >>> dtype('f8') dtype('float64') # 獲取所有字元程式碼 >>> sctypeDict.keys() [0, … 'i2', 'int0'] # char 屬性用來獲取字元程式碼 >>> t = dtype('Float64') >>> t.char 'd' # type 屬性用來獲取型別 >>> t.type <type 'numpy.float64'> # str 屬性獲取完整字串表示 # 第一個字元是位元組序，< 表示小端，> 表示大端，| 表示平臺的位元組序 >>> t.str '<f8' # 獲取大小 >>> t.itemsize 8 # 許多函式擁有 dtype 引數 # 傳入數值型別、字元程式碼和 dtype 都可以 >>> arange(7, dtype=uint16) array([0, 1, 2, 3, 4, 5, 6], dtype=uint16)
型別引數及縮寫
| 型別 | 字元程式碼 |
|---|---|
| bool | ?, b1 |
| int8 | b, i1 |
| uint8 | B, u1 |
| int16 | h, i2 |
| uint16 | H, u2 |
| int32 | i, i4 |
| uint32 | I, u4 |
| int64 | q, i8 |
| uint64 | Q, u8 |
| float16 | f2, e |
| float32 | f4, f |
| float64 | f8, d |
| complex64 | F4, F |
| complex128 | F8, D |
| str | a, S（可以在S後面新增數字，表示字串長度，比如S3表示長度為三的字串，不寫則為最大長度） |
| unicode | U |
| object | O |
| void | V |
自定義異構資料型別
基本書寫格式
import numpy #定義t的各個欄位型別 >>> t = dtype([('name', str, 40), ('numitems', numpy.int32), ('price',numpy.float32)]) >>> t dtype([('name', '|S40'), ('numitems', '<i4'), ('price','<f4')]) # 獲取欄位型別 >>> t['name'] dtype('|S40') # 使用記錄型別建立陣列 # 否則它會把記錄拆開 >>> itemz = array([('Meaning of life DVD', 42, 3.14), ('Butter', 13,2.72)], dtype=t) >>> itemz[1] ('Butter', 13, 2.7200000286102295) #再舉個例* >>>adt = np.dtype("a3, 3u8, (3,4)a10") #3位元組字串、3個64位整型子陣列、3*4的10位元組字串陣列，注意8為位元組 >>>itemz = np.array([('Butter',[13,2,3],[['d','o','g','s'],['c','a','t','s'],['c','o','w','s']])],dtype=adt) >>>itemz (b'But', [13, 2, 3], [[b'd', b'o', b'g', b's'], [b'c', b'a', b't', b's'], [b'c', b'o', b'w', b's']])
其他書寫格式
#(flexible_dtype, itemsize)第一個大小不固定的引數型別，第二傳入大小：
>>> dt = np.dtype((void, 10)) #10位
>>> dt = np.dtype((str, 35)) # 35字元字串
>>> dt = np.dtype(('U', 10)) # 10字元unicode string
#(fixed_dtype, shape)第一個傳入固定大小的型別引數，第二引數傳入個數
>>> dt = np.dtype((np.int32, (2,2))) # 2*2int子陣列
舉例: >>>item = np.array([([12,12],[55,56])], dtype=dt)
array([[12, 12], [55, 56]])
>>> dt = np.dtype(('S10', 1)) # 10字元字串
>>> dt = np.dtype(('i4, (2,3)f8, f4', (2,3))) # 2*3結構子陣列
#[(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':('Date','Close'),'formats':('S10','f8')}）
>>> dt = np.dtype({'names': ['r','b'], 'formats': ['u1', 'u1'], 'offsets': [0, 2],'titles': ['Red pixel', 'Blue pixel']})
#(base_dtype, new_dtype)：
>>>dt = np.dtype((np.int32, (np.int8, 4))) //base_dtype被分成4個int8的子陣列