自学数据分析之第三天——数据类型_astype(np.int32)

第三天——数据类型

一、数据类型

numpy 支持的数据类型比 Python 内置的类型要多很多，基本上可以和 C 语言的数据类型对应上，其中部分类型对应为 Python 内置的类型。下表列举了常用 NumPy 基本类型。

numpy 的数值类型实际上是 dtype 对象的实例，并对应唯一的字符，包括 np.bool_，np.int32，np.float32，等等。

数据类型对象 (dtype)

数据类型对象是用来描述与数组对应的内存区域如何使用，这依赖如下几个方面：

• 数据的类型（整数，浮点数或者 Python 对象）
• 数据的大小（例如， 整数使用多少个字节存储）
• 数据的字节顺序（小端法或大端法）
• 在结构化类型的情况下，字段的名称、每个字段的数据类型和每个字段所取的内存块的部分
• 如果数据类型是子数组，它的形状和数据类型

字节顺序是通过对数据类型预先设定"<“或”>“来决定的。”<“意味着小端法(最小值存储在最小的地址，即低位组放在最前面)。”>"意味着大端法(最重要的字节存储在最小的地址，即高位组放在最前面)。

dtype 对象是使用以下语法构造的：

numpy.dtype(object, align, copy)
1

实例

接下来我们可以通过实例来理解。

示例 1

import numpy as np
# 使用标量类型
dt = np.dtype(np.int32)
print(dt)
1
2
3
4

输出结果为：

int32
1

示例 2

import numpy as np
# int8, int16, int32, int64 四种数据类型可以使用字符串 'i1', 'i2','i4','i8' 代替
dt = np.dtype('i4')
print(dt)
1
2
3
4

输出结果为：

int32
1

示例 3

import numpy as np
# 字节顺序标注
dt = np.dtype('<i4')
print(dt)
1
2
3
4

输出结果为：

int32
1

下面实例展示结构化数据类型的使用，类型字段和对应的实际类型将被创建。

示例 4

# 首先创建结构化数据类型
import numpy as np
dt = np.dtype([('age',np.int8)]) 
print(dt)
1
2
3
4

输出结果为：

[('age', 'i1')]
1

示例 5

# 将数据类型应用于 ndarray 对象
import numpy as np
dt = np.dtype([('age',np.int8)]) 
a = np.array([(10,),(20,),(30,)], dtype = dt) 
print(a)
1
2
3
4
5

输出结果为：

[(10,) (20,) (30,)]
1

示例 6

# 类型字段名可以用于存取实际的 age 列
import numpy as np
dt = np.dtype([('age',np.int8)]) 
a = np.array([(10,),(20,),(30,)], dtype = dt) 
print(a['age'])
1
2
3
4
5

输出结果为：

[10 20 30]
1

下面的示例定义一个结构化数据类型 student，包含字符串字段 name，整数字段 age，及浮点字段 marks，并将这个 dtype 应用到 ndarray 对象。

示例 7

import numpy as np
student = np.dtype([('name','S20'), ('age', 'i1'), ('marks', 'f4')]) 
print(student)
1
2
3

输出结果为：

[('name', 'S20'), ('age', 'i1'), ('marks', 'f4')]
1

示例 8

import numpy as np
student = np.dtype([('name','S20'), ('age', 'i1'), ('marks', 'f4')]) 
a = np.array([('abc', 21, 50),('xyz', 18, 75)], dtype = student) 
print(a)
1
2
3
4

输出结果为：

[('abc', 21, 50.0), ('xyz', 18, 75.0)]
1

每个内建类型都有一个唯一定义它的字符代码，如下：

二、astype方法

对于创建好的ndarray，可以通过astype的方法进行数据类型的转换

arr1 = np.arange(6)
arr1
array([0, 1, 2, 3, 4, 5])

arr1.dtype
dtype('int32')

arr2
arr2 = arr1.astype(np.float64)
arr2
array([ 0.,  1.,  2.,  3.,  4.,  5.])
1
2
3
4
5
6
7
8
9
10
11

字符串与数组的相互转换

arr3 = arr1.astype('string_')
arr3
array([b'0', b'1', b'2', b'3', b'4', b'5'], dtype='|S11')


arr3.astype(np.int32)
array([0, 1, 2, 3, 4, 5])


# 字符串中有字符时，转换就会报错
arr = np.array(['2','hello'])
arr
array(['2', 'hello'], 
      dtype='<U5')
1
2
3
4
5
6
7
8
9
10
11
12
13
14

总结

以上就是今天学习的内容，今天简单学习了ndarray的数据类型以及转换，如果你也想自学数据分析，与博主一起交流进步，那就快来关注博主吧。
希望通过发布这些文章可以见证博主学习的过程，同时找到一些志同道合的朋友可以一起交流进步，博主会坚持持续更新的。