NumPy 数据类型

在 NumPy 中，“数据类型” 指的是数组中元素的类型。NumPy 提供了丰富的数据类型，用于存储不同类型的数据。

NumPy 常用数据类型

NumPy 支持比 Python 内置类型更多的数据类型。对于 NumPy 来说，它常用的数据类型有以下几种。

• int32：32 位整数。
• int64：64 位整数。
• float32：32 位浮点数。
• float64：64 位浮点数。
• complex：128 位复数。
• bool_：布尔值。
• string_：字符串。

NumPy ​不需要我们强制指定数据类型，它会根据输入数据自动推断数据类型（dtype）。不过，​手动指定数据类型在某些情况下非常有用，比如可以优化内存使用或确保计算精度。

1. 自动推断数据类型

当创建数组时，NumPy 会根据输入数据自动选择合适的数据类型。其中，NumPy 的默认数据类型取决于输入数据：

• 整数：int64（64 位整数）。
• 浮点数：float64（64 位浮点数）。
• 复数：complex128（128 位复数）。

示例 1：NumPy 自动推断类型

import numpy as np

# 整数数组
arr1 = np.array([1, 2, 3])
print(arr1.dtype)             # 输出: int64

# 浮点数数组
arr2 = np.array([1.0, 2.0, 3.0])
print(arr2.dtype)             # 输出: float64

# 混合类型数组
arr3 = np.array([1, 2.0, 3])
print(arr3.dtype)             # 输出: float64（自动提升为浮点数）

运行结果如下。

int64
float64
float64

2. 手动指定数据类型

我们可以通过 dtype 参数，来显式指定数组的数据类型。这在以下场景中非常有用：

• 优化内存：使用更小的数据类型（如 int8 或 float32）来减少内存占用。
• ​确保精度：使用更高精度的数据类型（如 float64 或 complex128）来避免计算误差。
• ​兼容性：确保数据与其他系统或库兼容。

示例 2：NumPy 手动指定类型

import numpy as np

# 指定为 32 位整数
arr1 = np.array([1, 2, 3], dtype=np.int32)
print(arr1.dtype)

# 指定为 16 位浮点数
arr2 = np.array([1.0, 2.0, 3.0], dtype=np.float16)
print(arr2.dtype)

运行结果如下。

int32
float16

分析：

如果不使用 dtype 参数显式指定数据类型，那么 NumPy 就会使用默认的数据类型例如，整数默认为 int64，浮点数默认为 float64。

在上面例子中，arr1 被显式指定为 32 位整数 (int32)，而 arr2 被显式指定为 16 位浮点数 (float16)。这样做可以更精确地控制数据类型，并可能优化内存使用。

NumPy 判断数据类型

在 NumPy 中，我们可以使用 dtype 属性来返回数组的数据类型。这个属性在之前已经接触过很多次了。

示例 3：元素的数据类型一致

import numpy as np

arr1 = np.array([1, 2, 3])
print(arr1.dtype)

arr2 = np.array([1.0, 2.0, 3.0])
print(arr2.dtype)

arr3 = np.array([1+2j, 2+3j, 3+4j])
print(arr3.dtype)

运行结果如下。

int64
float64
complex128

分析：

可能有小伙伴会问：“如果数组元素有一部分是整数，一部分是浮点数，那么此时 dtype 属性返回的是什么呢？” 我们可以来看一下下面例子。

示例 4：元素的数据类型不一致

import numpy as np

arr1 = np.array([1, 2.0, 3])
print(arr1.dtype)

arr2 = np.array([1.0, 2, 3.0])
print(arr2.dtype)

运行结果如下。

float64
float64

分析：

从结果可以看出，当数组元素不一致时，数据类型最终以精度高的为准。实际上，NumPy 会将精度低的元素自动提升为精度高的元素，比如：

import numpy as np
arr = np.array([1, 2.0, 3])
print(arr)         # 输出：[1.0 2.0 3.0]

NumPy 转换数据类型

在 NumPy 中，我们可以使用 ndarray 对象的 astype() 方法来将数组的数据类型从 “一种类型” 转换为 “另一种类型” 。

示例 5：astype() 转换类型

import numpy as np

arr = np.array([1, 2, 3])
print(arr.dtype)

result = arr.astype(np.float64)
print(result.dtype)

运行结果如下。

int64
float64

分析：

在上面例子中，我们使用 astype() 方法将数组从 “int64” 类型转换为 “float64” 类型。