Numpy 数据类型

本小节将详述 Numpy 内置的数据类型，以及如何在创建数组对象时进行灵活指定、如何查看创建好的数组类型、以及如何更改数据类型。

1. 常见数据类型

Numpy 支持的数据类型比 Python 内置的要多很多，而这也是 Numpy 如此灵活和强大的原因之一。

例如对于整数，在 Numpy 中，根据整数的位数不同所需要占据的空间大小不同，又对整数类型进行类细分，常见地可以分为 int8、int16、int32、int64 等等。

Numpy 支持的常用数据类型如下：

2. 定义数据类型

dtype 是一个特殊的对象，在该对象中定义了 ndarray 的数据类型与数据大小。通常我们在创建 ndarray 的时候，可以显示地利用 dtype 定义数组的细节信息。

案例

在创建数组对象的时候，通过给 dtype 赋值，显式地定义一个 int8 类型的数组。

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)

在创建数组对象的时候，通过给 dtype 赋值，显式地定义一个 float16 类型的数组

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)

在创建数组对象的时候，通过给 dtype 赋值，显式地定义一个 S2 字符串类型的数组

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

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

在创建数组对象的时候，通过给 dtype 赋值，显式地定义布尔类型的数组

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

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

3. 查询数据类型

同样的，对于已经定义好数组，也可以通过调用 dtype 对象，查看其数据类型。

案例

逐个查看上面定义的数组的数据类型：

arr0.dtype
Out:
    dtype('int8')

arr1.dtype
Out:
    dtype('float16')

arr2.dtype
Out:
    dtype('S2')

arr3.dtype
Out:
    dtype('bool')

4. 更改数据类型

对于已经定义好的数组，也可以通过 ndarray 的 astype 方法对 dtype 对象进行修改。

案例

将整数类型的数组转换成浮点数类型，并查看转换之后的结果：

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

Out:
    dtype('float64')

可以看到，在我们不指定具体的浮点数精度的时候，Numpy 也会自动去推断一个合理的类型（当然，很多时候并不是最优的类型，因此在处理大数据集时，建议定义完整）。

如果把浮点数转换成整数，则小数部分将会被截断舍弃。

int_arr1 = arr1.astype(np.int8)
int_arr1

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

对于字符串类型的数组，在某些情况是可以与浮点数进行转换的，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，在某些情况下，如果转换过程失败，则会引发一个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'

通过观察上面的案例，我们会发现，利用 astype 方法会创造出一个新的数组。确实 astype 方法并不能在原有的数组上进行修改，因此如果你想保存改变后的数组，务必记得给它赋个值。

5. 小结

本小节详细讲述了 Numpy 内置的数据类型，以及如何定义、查询、更改数组的数据类型。需要注意的是，在利用 astype 方法更改数据类型的时候，并不是 100% 成功的。