AI智能
改变未来

NumPy之:数据类型对象dtype

目录

  • 简介
  • dtype的定义
  • 可转换为dtype的对象dtype对象
  • None
  • 数组标量类型
  • 通用类型
  • 内置Python类型
  • 带有.dtype属性的对象
  • 一个字符的string对象
  • 数组类型的String
  • 逗号分割的字符串
  • 类型字符串
  • 元组(flexible_dtype, itemsize)
  • (fixed_dtype, shape)
  • [(field_name, field_dtype, field_shape), …]
  • {\’names\’: …, \’formats\’: …, \’offsets\’: …, \’titles\’: …, \’itemsize\’: …}
  • (base_dtype, new_dtype)

简介

之前讲到了NumPy中有多种数据类型,每种数据类型都是一个dtype(numpy.dtype )对象。今天我们来详细讲解一下dtype对象。

dtype的定义

先看下dtype方法的定义:

class numpy.dtype(obj, align=False, copy=False)

其作用就是将对象obj转成dtype类型的对象。

它带了两个可选的参数:

  • align – 是否按照C编译器的结构体输出格式对齐对象。

  • Copy – 是拷贝对象,还是对对象的引用。

dtype可以用来描述数据的类型(int,float,Python对象等),描述数据的大小,数据的字节顺序(小端或大端)等。

可转换为dtype的对象

可转换的obj对象可以有很多种类型,我们一一来进行讲解

dtype对象

如果obj对象本身就是一个dtype对象,那么可以进行无缝转换。

None

不传的话,默认就是

float_

,这也是为什么我们创建数组默认都是float类型的原因。

数组标量类型

内置的数组标量可以被转换成为相关的data-type对象。

前面一篇文章我们讲到了什么是数组标量类型。数组标量类型是可以通过np.type来访问的数据类型。 比如:

np.int32

,

np.complex128

等。

我们看下数组标量的转换:

In [85]: np.dtype(np.int32)Out[85]: dtype(\'int32\')In [86]: np.dtype(np.complex128)Out[86]: dtype(\'complex128\')

这些以np开头的内置数组标量类型可以参考我之前写的文章 “NumPy之:数据类型” 。

注意,数组标量并不是dtype对象,虽然很多情况下,可以在需要使用dtype对象的时候都可以使用数组标量。

通用类型

一些通用类型对象,可以被转换成为相应的dtype类型:

通用类型对象 dtype类型
number

,

inexact

,ad8

floating
float
complexfloating
cfloat
integer

,

signedinteger
int_
unsignedinteger
uint
character
string
generic

,

flexible
void

内置Python类型

一些Python内置的类型和数组标量类型是等价的,也可以被转换成为dtype:

Python类型 dtype类型
int
int_
bool
bool_
float
float_
complex
cfloat
bytes
bytes_
str
str_
buffer
void
(all others)
object_

看下内置Python类型转换的例子:

In [82]: np.dtype(float)Out[82]: dtype(\'float64\')In [83]: np.dtype(int)Out[83]: dtype(\'int64\')In [84]:  np.dtype(object)Out[84]: dtype(\'O\')

带有.dtype属性的对象

任何type对象只要包含

dtype

属性,并且这个属性属于可以转换的范围的话,都可以被转换成为dtype。

一个字符的string对象

对于每个内置的数据类型来说都有一个和它对应的字符编码,我们也可以使用这些字符编码来进行转换:

In [134]: np.dtype(\'b\')  # byte, native byte orderOut[134]: dtype(\'int8\')In [135]: np.dtype(\'>H\')  # big-endian unsigned shortOut[135]: dtype(\'>u2\')In [136]: np.dtype(\'<f\') # little-endian single-precision floatOut[136]: dtype(\'float32\')In [137]: np.dtype(\'d\') # double-precision floating-point numberOut[137]: dtype(\'float64\')

数组类型的String

Numpy中数组类型的对象有一个属性叫做typestr

typestr描述了这个数组中存放的数据类型和长度。

typestr由三部分组成,第一部分是描述数据字节顺序:

<

小端

>

大端。

第二部分是数组里面元素的基本类型:

类型 描述
t
Bit fiead8ld (following integer gives the number of bits in the bit field).
b
Boolean (integer type where all values are only True or False)
i
Integer
u
Unsigned integer
f
Floating point
c
Complex floating point
m
Timedelta
M
Datetime
O
Object (i.e. the memory contains a pointer to PyObject)
S
String (fixed-length sequence of char)
U
Unicode (fixed-length sequence of Py_UNICODE)
V
Other (void * – each item is a fixed-size chunk of memory)

最后一部分就是数据的长度。

dtype支持下面几种类型的转换:

类型 描述
\'?\'
boolean
\'b\'
(signed) byte
\'B\'
unsigned byte
\'i\'
(signed) integer
\'u\'
unsigned integer
\'f\'
floating-point
\'c\'
complex-floating point
\'m\'
timedelta
\'M\'
datetime
\'O\'
(Python) objects
\'S\'

,

\'a\'
zero-terminated bytes (not recommended)
\'U\'
Unicode string
\'V\'
raw data (

void

)

我们看几个例子:

In [137]: np.dtype(\'d\')Out[137]: dtype(\'float64\')In [138]: np.dtype(\'i4\')Out[138]: dtype(\'int32\')In [139]: np.dtype(\'f8\')Out[139]: dtype(\'float64\')In [140]:  np.dtype(\'c16\')Out[140]: dtype(\'complex128\')In [141]: np.dtype(\'a25\')Out[141]: dtype(\'S25\')In [142]: np.dtype(\'U25\')Out[142]: dtype(\'<U25\')

逗号分割的字符串

逗号分割的字符串可以用来表示结构化的数据类型。

对于这种结构化的数据类型也可以转换成为dtpye格式,转换后的dtype,将会以f1,f2, … fn-1作为名字来保存对应的格式数据。我们举个例子:

In [143]: np.dtype(\"i4, (2,3)f8, f4\")Out[143]: dtyad0pe([(\'f0\', \'<i4\'), (\'f1\', \'<f8\', (2, 3)), (\'f2\', \'<f4\')])

上面的例子中,f0保存的是32位的整数,f1保存的是 2 x 3 数组的64-bit 浮点数。f2是一个32-bit 的浮点数。

再看另外一个例子:

In [144]: np.dtype(\"a3, 3u8, (3,4)a10\")Out[144]: dtype([(\'f0\', \'S3\'), (\'f1\', \'<u8\', (3,)), (\'f2\', \'S10\', (3, 4))])

类型字符串

所有在

numpy.sctypeDict

.keys()中的字符,都可以被转换为dtype:

In [146]: np.sctypeDict.keys()Out[146]: dict_keys([\'?\', 0, \'byte\', \'b\', 1, \'ubyte\', \'B\', 2, \'short\', \'h\', 3, \'ushort\', \'H\', 4, \'i\', 5, \'uint\', \'I\', 6, \'intp\', \'p\', 7, \'uintp\', \'P\', 8, \'long\', \'l\', \'L\', \'longlong\', \'q\', 9, \'ulonglong\', \'Q\', 10, \'half\', \'e\', 23, \'f\', 11, \'double\', \'d\', 12, \'longdouble\', \'g\', 13, \'cfloat\', \'F\', 14, \'cdouble\', \'D\', 15, \'clongdouble\', \'G\', 16, \'O\', 17, \'S\', 18, \'unicode\', \'U\', 19, \'void\', \'V\', 20, \'M\', 21, \'m\', 22, \'bool8\', \'Bool\', \'b1\', \'float16\', \'Float16\', \'f2\', \'float32\', \'Float32\', \'f4\', \'float64\', \'Float64\', \'f8\', \'float128\', \'Float128\', \'f16\', \'complex64\', \'Complex32\', \'c8\', \'complex128\', \'Complex64\', \'c16\', \'complex256\', \'Complex128\', \'c32\', \'object0\', \'Object0\', \'bytes0\', \'Bytes0\', \'str0\', \'Str0\', \'void0\', \'Void0\', \'datetime64\', \'Datetime64\', \'M8\', \'timedelta64\', \'Timedelta64\', \'m8\', \'int64\', \'uint64\', \'Int64\', \'UInt64\', \'i8\', \'u8\', \'int32\', \'uint32\', \'Int32\', \'UInt32\', \'i4\', \'u4\', \'int16\', \'uint16\', \'Int16\', \'UInt16\', \'i2\', \'u2\', \'int8\', \'uint8\', \'Int8\', \'UInt8\', \'i1\', \'u1\', \'complex_\', \'int0\', \'uint0\', \'single\', \'csingle\', \'singlecomplex\', \'float_\', \'intc\', \'uintc\', \'int_\', \'longfloat\', \'clongfloat\', \'longcomplex\', \'bool_\', \'unicode_\', \'object_\', \'bytes_\', \'str_\', \'string_\', \'int\', \'float\', \'complex\', \'bool\', \'object\', \'str\', \'bytes\', \'a\'])

使用的例子:

In [147]: np.dtype(\'uint32\')Out[147]: dtype(\'uint32\')In [148]: np.dtype(\'float64\')Out[148]: dtype(\'float64\')

元组

通过使用dtype构成的元组,我们可以生成新的dtype。

元组也有很多种方式。

(flexible_dtype, itemsize)

对于不固定长度的dtype,可以指定size:

In [149]: np.dtype((np.void, 10))Out[149]: dtype(\'V10\')In [150]: np.dtype((\'U\', 10))Out[150]: dtype(\'<U10\')

(fixed_dtype, shape)

对于固定长度的dtype,可以指定shape:

In [151]:  np.dtype((np.int32, (2,2)))Out[151]: dtype((\'<i4\', (2, 2)))In [152]:1cdcnp.dtype((\'i4, (2,3)f8, f4\', (2,3)))Out[152]: dtype(([(\'f0\', \'<i4\'), (\'f1\', \'<f8\', (2, 3)), (\'f2\', \'<f4\')], (2, 3)))

[(field_name, field_dtype, field_shape), …]

list中的元素是一个个的field,每个field都是由2-3个部分组成的,分别是field名字,field类型,field的shape。

field_name如果是 ’ ‘的话,就会使用默认的f1,f2 ….作为名字。field_name 也可以是一个2元组,由title 和 name 组成。

field_dtype 就是field的dtype类型。

shape是一个可选字段,如果field_dtype是一个数组的话,就需要指定shape。

In [153]: np.dtype([(\'big\', \'>i4\'), (\'little\', \'<i4\')])Out[153]: dtype([(\'big\', \'>i4\'), (\'little\', \'<i4\')])

上面是两个字段,一个是大端的32位的int,一个是小端的32位的int。

In [154]: np.dtype([(\'R\',\'u1\'), (\'G\',\'u1\'), (\'B\',\'u1\'), (\'A\',\'u1\')])Out[154]: dtype([(\'R\', \'u1\'), (\'G\', \'u1\'), (\'B\', \'u1\'), (\'A\', \'u1\')])

四个字段,每个都是无符号整形。

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

这种写法可以指定name列表和formats列表:

In [157]: np.dtype({\'names\': [\'r\',\'g\',\'b\',\'a\'], \'formats\': [np.uint8, np.uint8, np.uint8, np.uint8]})Out[157]: dtype([(\'r\', \'u1\'), (\'g\', \'u1\'), (\'b\', \'u1\'), (\'a\', \'u1\')])

offsets 指的是每个字段的byte offsets。titles 是字段的title,itemsize 是整个dtype的size。

In [158]: np.dtype({\'names\': [\'r\',\'b\'], \'formats\': [\'u1\', \'u1\'],...:                \'offsets\': [0, 2],...:                \'titles\': [\'Red pixel\', \'Blue pixel\']})...:Out[158]: dtype({\'names\':[\'r\',\'b\'], \'formats\':[\'u1\',\'u1\'], \'offsets\':[0,2], \'titles\':[\'Red pixel\',\'Blue pixel\'], \'itemsize\':3})

(base_dtype, new_dtype)

可以将基本的dtype类型转换为结构化的dtype类型:

In [159]: np.dtype((np.int32,{\'real\':(np.int16, 0),\'imag\':(np.int16, 2)}))Out[159]: dtype([(\'real\', \'<i2\'), (\'imag\', \'<i2\')])

32位的int转换成两个16位的int。

In [161]: np.dtype((\'i4\', [(\'r\',\'u1\'),(\'g\',\'u1\'),(\'b\',\'u1\'),(\'a\',\'u1\')]))Out[161]: dtype([(\'r\', \'u1\'), (\'g\', \'u1\'), (\'b\', \'u1\'), (\'a\', \'u1\')])

32位的int,转换成4个unsigned integers。

本文已收录于 http://www.flydean.com/04-python-numpy-datatype-obj/

最通俗的解读,最深刻的干货,最简洁的教程,众多你不知道的小技巧等你来发现!

欢迎关注我的公众号:「程序那些事」,懂技术,更懂你!

赞(0) 打赏
未经允许不得转载:爱站程序员基地 » NumPy之:数据类型对象dtype