Skip to content

数据类型

标量和向量

  • 标量: 只有一个数, 不具有方向性, 比如说NumPy的nd数组中的一个元素
  • 向量: 由标量组成, 具有方向性, 比如说NumPy的nd数组

标量和向量属性的一致性

在NumPy中, 为了消除混合标量和nd数组操作时产生的不一致性, 我们将nd数组(向量)中的元素(标量)也视为一个nd数组(向量), 这可以通过保持标量和向量的属性一致实现, 也就是说由np.[type]([value])创建的标量具有和向量相同的属性和方法.

正因为如此, 我们可以称由np.[type]([value])创建的标量特别的称为"数组标量". 更多的属性可以在这里找到, 更多的方法可以在这里找到.

例子 
>>> import numpy as np
>>> x = np.int8(10)
>>> y = np.array([1, 2, 3], dtype=np.int8)
>>> x.dtype
dtype('int8')
>>> isinstance(x.dtype, np.dtype)
True
>>> y.dtype
dtype('int8') 
>>> isinstance(y.dtype, np.dtype)
True

np.[type]类

np.[type]是一个类, np.[type]([value])用于创建标量, 或"数组标量".

Tip

Python自带的int也是一个类,由int创建的对象是Python标量, 不是数组标量. 这两种标量的属性有很大不同.

例子 
>>> import numpy as np
>>> x = np.int8(8)
>>> type(x)
<class 'numpy.int8'>
>>> isinstance(x, np.int8)
True
>>> type(np.int8)
<class 'type'>
>>> z = 10
>>> type(z)
<class 'int'>
>>> isinstance(z, int)
True

别名类

名称 C语言中的类型 描述
np.int_ long 一般是np.int32或np.int64(取决于系统是32位还是64位)
np.intc int 一般是np.int32或np.int64(取决于系统是32位还是64位)
np.intp ssize_t 一般是np.int32或np.int64(取决于系统是32位还是64位)
np.float_ double float64类型的简写
np.complex_ double complex complex128类型的简写

固定类

名称 C语言中的类型 描述
np.bool_ bool 布尔数据类型
np.int8 int8_t 整数 -128 ~ 127
np.int16 int16_t 整数 -32768 ~ 32767
np.int32 int32_t 整数 -2147483648 ~ 2147483647
np.int64 int64_t 整数 -9223372036854775808 ~ 9223372036854775807
np.uint8 uint8_t 无符号整数 0 ~ 255
np.uint16 uint16_t 无符号整数 0 ~ 65535
np.uint32 uint32_t 无符号整数 0 ~ 4294967295
np.uint64 uint64_t 无符号整数 0 ~ 18446744073709551615
np.float16 无 半精度浮点数, 包括: 1个符号位, 5个指数位, 10个尾数位
np.float32 float 单精度浮点数, 包括: 1个符号位, 8个指数位, 23个尾数位
np.float64 double 双精度浮点数, 包括: 1个符号位, 11个指数位, 52个尾数位
np.complex64 float complex 复数, 表示双32位浮点数(实数部分和虚数部分)
np.complex128 double complex 复数, 表示双64位浮点数(实数部分和虚数部分)

层级

np.[type]类有一个层次结构来表示继承关系.

层级

例子 
>>> import numpy as np
>>> x = np.int8(10)
>>> isinstance(x, np.generic)
True
>>> isinstance(x, np.bool_)
False
>>> isinstance(x, np.number)
True

np.dtype类

np.dtype是一个类, 由np.dype([base_type])创建的对象被用来表示nd数组中元素或者数组标量的类型, 类似于C语言中的结构体, 可以定义基类, 定义字节数量, 定义是小端还是大端等等. 我们可以通过对象的type属性知道它的基类.

class numpy.dtype(dtype, align=False, copy=False[, metadata])
注意
  • 在创建数组标量的时候, 其dtype属性会被自动赋值为一个np.dtype([type])对象. 详情见这里.
  • 在创建nd数组的时候, 其dtype属性会被自动赋值为一个np.dtype(np.float64])对象, 或者也可以手动赋值.
例子 
>>> import numpy as np
>>> dt = np.dtype(np.int32)
>>> data = np.array([1, 2, 3], dtype=dt)
>>> data
array([1, 2, 3], dtype=int32)
>>> data.dtype
dtype('int32')
>>> data.dtype.type
<class 'numpy.int32'>

  1. NumPy 数据类型 | 菜鸟教程. (n.d.). Retrieved June 20, 2024, from https://www.runoob.com/numpy/numpy-dtype.html ↩

  2. Data type objects (dtype)—NumPy v2.0 Manual. (n.d.). Retrieved June 20, 2024, from https://numpy.org/doc/stable/reference/arrays.dtypes.html ↩

  3. Scalars—NumPy v2.0 Manual. (n.d.). Retrieved June 20, 2024, from https://numpy.org/doc/stable/reference/arrays.scalars.html ↩

  4. ricolxwz. (2024, June 20). Difference between np.[type] class and np.dtype class [Forum post]. Stack Overflow. https://stackoverflow.com/q/78645442/19538012 ↩