[toc]
简介
Python语言中只定义了特定数据类的一种类型(比如只有一种整数类型,一种浮点类型等)。在不需要关注计算机中数据表示方式的普通应用程序中,这样做很方便。但是,对于科学计算来说,我们需要更加精确的控制类型。
在NumPy中,引入了24种新的Python scalar类型用于更加准确的描述数据。这些类型都是可以直接在NumPy中的数组中使用的,所以也叫Array scalar类型。
本文将会详细讲解这24种scalar类型。
scalar类型的层次结构
先看一个张图,看下scalar类型的层次结构:
上面实线方框括起来的,就是scalar类型。 这些标量类型,都可以通过
np.type
来访问,比如:
In [130]: np.intcOut[130]: numpy.int32
细心的小伙伴可能要问了,这不对呀,实线方框括起来的只有22中类型,还有两个类型是什么?
还有两个是代表整数指针的
intp
和
uintp
。
注意,array scalars 类型是不可变的。
我们可以isinstance来对这些数组标量来进行层次结构的检测。
例如,如果val是数组标量对象,则isinstance(val,np.generic)将返回True。如果val是复数值类型,则isinstance(val,np.complexfloating)将返回True。
内置Scalar类型
我们用下面的表来展示内置的Scalar类型和与他们相对应的C类型或者Python类型。最后一列的字符代码是类型的字符表示,在有些情况比如构建dtype中会使用到。
boolean
类型 | 描述 | 字符代码 |
---|---|---|
bool_ |
compatible: Python bool |
\'?\' |
bool8 |
8 bits |
Integers
类型 | 描述 | 字符代码 |
---|---|---|
byte |
compatible: C char |
\'b\' |
short |
compatible: C short |
\'h\' |
intc |
compatible: C int |
\'i\' |
int_ |
compatible: Python int |
\'l\' |
longlong |
compatible: C long long |
\'q\' |
intp |
large enough to fit a pointer |
\'p\' |
int8 |
8 bits | |
int16 |
16 bits | |
int32 |
32 bits | |
int64 |
64 bits |
Unsigned integers
类型 | 描述 | 字符代码 |
---|---|---|
ubyte |
compatible: C unsigned char |
\'B\' |
ushort |
compatible: C unsigned short |
\'H\' |
uintc |
compatible: C unsigned int |
\'I\' |
uint |
compatible: Python int |
\'L\' |
ulonglong |
compatible: C long long |
\'Q\' |
uintp |
large enough to fit a pointer |
\'P\' |
uint8 |
8 bits | |
uint16 |
16 bits | |
uint32 |
32 bits | |
uint64 |
64 bits |
Floating-point numbers
类型 | 描述 | 字符代码 |
---|---|---|
half |
\'e\' |
|
single |
compatible: C float |
\'f\' |
double |
compatible: C double | |
float_ |
compatible: Python float |
\'d\' |
longfloat |
compatible: C long float |
\'g\' |
float16 |
16 bits | |
float32 |
32 bits | |
float64 |
64 bits | |
float96 |
96 bits, platform? | |
float128 |
128 bits, platform? |
Complex floating-point numbers
类型 | 描述 | 字符代码 |
---|---|---|
csingle |
\'F\' |
|
complex_ |
compatible: Python complex |
\'D\' |
clongfloat |
\'G\' |
|
complex64 |
two 32-bit floats | |
complex128 |
two 64-bit floats | |
complex192 |
two 96-bit floats, platform? | |
complex256 |
two 128-bit floats, platform? |
Python 对象
类型 | 描述 | 字符代码 |
---|---|---|
object_ |
any Python object |
\'O\' |
对于数组中的对象类型
object_
来说,存储的数据其实是Python对象的引用,所以说他们的对象类型必须一致。
虽然存储的是引用,但是在取值访问的时候,返回的就是对象本身。
可以看到对于数字类型来说,int,uint,float,complex,后面可以跟上具体的数组,表示特定的长度。
intp 和 uintp 是两个指向整数的指针。
有些类型和Python自带的类型基本上是等价的,事实上这些类型就是继承自Python自带的类型:
Array scalar type | Related Python type |
---|---|
int_ |
IntType (Python 2 only) |
float_ |
FloatType |
complex_ |
ComplexType |
bytes_ |
BytesType |
unicode_ |
UnicodeType |
有一个特例就是bool_ ,它和Python的 BooleanType 非常类似,但并不是继承自BooleanType。因为Python的BooleanType 是不允许被继承的。并且两者底层的数据存储长度也是不一样的。
虽然在Python中bool是int的子类。但是在NumPy中 bool_ 并不是
int_
的子类,bool_ 甚至不是一个number 类型。
在Python 3 中,
int_
不再继承 Python3 中的
int
了,因为
int
不再是一个固定长度的整数。
NumPy 默认的数据类型是 float_。
可变长度数据类型
下面的三种数据类型长度是可变的,
类型 | 描述 | 字符代码 |
---|---|---|
bytes_ |
compatible: Python bytes |
\'S#\' |
unicode_ |
compatible: Python unicode/str |
\'U#\' |
void |
\'V#\' |
字符代码中的 # 表示的是数字。
上面描述的字符代码,为了和Python的其他模块进行兼容,比如struct ,需要进行下面适当的修正:
c -> S1
,
b -> B
,
1 -> b
,
s -> h
,
w -> H
, 和
u -> I
.
本文已收录于 http://www.flydean.com/03-python-numpy-scalar/
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!