使用者:Xyy23330121/Python/科學計算/數組的數據類型

Python 科學計算目錄

一、數組（numpy）

在創建數組時，使用 dtype 參數，可以讓數組中的數字使用特定的數據類型。比如：

import numpy as np

x = np.ones(2, dtype=float) #形状为(2, )的全一数组，使用 Python 的 float 类型。

一切 Python 的數據類型都可以用於數組中，如果讀者希望，也可以 from decimal import Decimal 然後設置數據類型為 Decimal。對於 Python 其它模塊的數據類型不再贅述。以下將詳細講述 numpy 的數據類型。若無特殊說明，之後所有代碼均以下面代碼為開頭。

import numpy as np

numpy 的內置數據類型

numpy 內置了許多數據類型。本節所述的類型都可以作為數據存放在數組中。

numpy 中的一切數字類型都以 np.number 為抽象基類。若需要判斷數據是否是 numpy 的數字類型，而不關注數字具體的存儲方式，可以使用 np.number 來進行判斷。

numpy的整數類型
占用的字節數	有符號整數		無符號整數
占用的字節數	類型名稱	類型別名	類型名稱	類型別名
1	np.byte	np.int8	np.ubyte	np.uint8
2	np.short	np.int16	np.ushort	np.uint16
4	np.intc	np.int32	np.uintc	np.uint32
8	np.long	np.int64 np.intp	np.ulong	np.uint64 np.uintp
16	np.longlong		np.ulonglong
特殊	np.int_ 在32位系統占用4位元組，在64位系統占用8位元組。		np.uint 在32位系統占用4位元組，在64位系統占用8位元組。

整數

numpy 的整數類型與 Python 內置整數類型不同，它有字節限制，因此它所存儲的數值具有上下限。所有整數類型有一個抽象基類 np.integer。有符號整數額外有抽象基類 np.signedinteger，而無符號整數則具有 np.unsignedinteger 作為抽象基類。

特別的，numpy 的數組中是無法使用 Python 內置的整數類型的。numpy 的默認整數類型為 np.int64，當設置 dtype=int 時，numpy 會擅自將其類型設置為 int64。

numpy 的浮點數類型
占用的字節數	浮點數		複數
占用的字節數	類型名稱	類型別名	類型名稱	類型別名
2	np.half	np.float16
4	np.single	np.float32
8	np.double	np.float64	np.csingle	np.complex64
16	np.longdouble	np.float128	np.cdouble	np.complex128
32			np.clongdouble	np.complex256

非精確數字/浮點數

numpy 還內置了許多浮點數類型。與整數相似，numpy 也給浮點數設置了一些抽象基類：

np.inexact 一切可能存在誤差的數字類型基類
np.floating 一切浮點數的數字類型基類
np.complexfloating 一切複數（由兩個浮點數組成）的數字類型基類

特別的，np.float64 和 Python 內置的 float 類型是同一個類型，這也是 numpy 在遇到浮點數時的默認類型。np.complex128 和 Python 內置的 complex 類型是同一個類型。

註：實際上，np.longdouble 和 np.float128 等高精度浮點數類型可能並不會具有更高精度——而是和 np.float64 具有相同的精度，具體參見 Stack Overflow 上面的這個討論。

布爾值

numpy 使用 np.bool 類型（別名 np.bool_）來存儲布爾值。與 Python 中 bool 是 int 的子類型不同；np.bool 是 np.int_ 的子類型。

對於 numpy 提供的其它數據類型，可以參見：

時間數據類型

類似 Python 的 datetime 模塊，numpy 也有表示時間的數據類型 np.datetime64 和 np.timedelta64。參見： https://numpy.org/doc/stable/reference/arrays.datetime.html#arrays-datetime

字符串和字節串

numpy 使用np.str_ 作為字符串類型，使用 np.bytes_ 作為字節串類型。這兩個類型分別擁有 Python 內置類型 str 和 bytes 的一切方法。除此之外，這兩個類型有共同的抽象基類：

np.flexible 不定長數據的基類。np.ndarray也屬於該基類。
np.character Abstract base class of all character string scalar types.

判斷數據類型

除了用 isinstance() 函數判斷數據類型之外，numpy 還為數組提供了一個屬性 ndarray.dtype，用於判斷數組內數據的類型。如下所示：

a = np.array([[1.1,2,3,4],[5,6,7,8]])
print(a.dtype)       #输出：float64
print(type(a.dtype)) #输出：<class 'numpy.dtypes.Float64DType'>
b = np.array([[1.1,2,3,4],[5,6,7,8]],dtype=int)
print(b.dtype)       #输出：int64

from decimal import Decimal as dec

c = np.array([[1.1,2,3,4],[5,6,7,8]],dtype=dec)
print(c.dtype)       #输出：object
print(type(c.dtype)) #输出：<class 'numpy.dtypes.ObjectDType'>

特別的，對於非 Python 內置類型，dtype 總會輸出 object。

內存占用

查詢內存占用時使用的屬性
屬性	備註
`ndarray.flags`	Information about the memory layout of the array.
`ndarray.shape`	數組的形狀。
`ndarray.strides`	遍歷數組時，在每個維度需要步進的字節數。
`ndarray.ndim`	數組的維數。
`ndarray.data`	指向數組數據起點的 Python 緩衝對象。
`ndarray.size`	數組的數據個數。
`ndarray.itemsize`	數組中每個數據占用的內存（單位：字節）。
`ndarray.nbytes`	數組所占用的總內存（單位：字節）。
`ndarray.base`	Base object if memory is from some other object.

numpy 提供了一些屬性用於查看數組的內存占用。這些屬性由右表所示。

其中，關於 ndarray.strides 我們有：

a = np.array([[1,2,3,4],[5,6,7,8]])
print(a.strides)   #输出：(32, 8)
print(a[0].nbytes) #输出：32
print(a.itemsize)  #输出：8

https://numpy.org/doc/stable/reference/arrays.scalars.html#attributes

https://numpy.org/doc/stable/reference/arrays.scalars.html#methods

自定義數據類型

讀者也可以通過 numpy.dtype() 函數來創建自己的數據類型，參見：