ndarray数据类型

dtype（数据类型）是一个特殊的对象，它含有ndarray将一块内存解释为特定数据类型所需的信息

 In [18]: sim1 = np.array([1,2,3],dtype=np.float64)

 In [19]: sim2 = np.array([1,2,3],dtype=np.float32)

 In [20]: sim1.dtype
 Out[20]: dtype('float64')

 In [21]: sim2.dtype
 Out[21]: dtype('float32')

dtype是Numpy强大和灵活的原因之一。数值型dtype的命名方式相同：一个类型名（如float或int），后面跟一个用于表示各元素位长的数字。标准的双精度浮点值（既Python中的float）需要占用8字节（既64位）。因此，该类型在Numpy中就记作float64。

Numpy的数据类型

类型	类型代码	说明
int8、uint8	i1、u1	有符号和无符号的8位（1个字节）整数
int16、uint16	i2、u2	有符号和无符号的16位（2个字节）整数
int32、uint32	i4、u4	有符号和无符号的32位（4个字节）整数
int64、unint64	i8、u8	有符号和无符号的64位（8个字节）整数
float16	f2	半精度浮点数
float32	f4或f	标准的单精度浮点数
float64	f8或d	标准的双精度浮点数
float128	f16或g	扩展精度浮点数
complex64、complex128、complex256	c8、c16、c32	分别用两个32位、64位或128位浮点数表示的复数
bool	?	存储True和False值的布尔类型
object	O	Python对象类型
string_	S	固定长度的字符串长度（每个字符1个字节）
unicode_	U	固定长度的unicode长度（每个字符1个字节）

可以通过ndarray的astype方法显式地转换其dtype。整数转换浮点数。

注意：调用astype无论如何都会创建出一个新的数组（原始数据的一份拷贝），即使新dtype跟老dtype相同也是如此。

 In [22]: sim = np.array([1,2,3,4,5])

 In [23]: sim.dtype
 Out[23]: dtype('int64')

 In [24]: float_sim = sim.astype(np.float64)

 In [25]: float_sim.dtype
 Out[25]: dtype('float64')

浮点数转换成整数，小数点部分将会被截断。

 In [26]: sim = np.array([3.7,-1.6,4.7,-2.3,9.0])

 In [27]: sim
 Out[27]: array([ 3.7, -1.6,  4.7, -2.3,  9. ])

 In [28]: sim.astype(np.int32)
 Out[28]: array([ 3, -1,  4, -2,  9], dtype=int32)

字符串全是数字，可以用astype将其转换为数值形式。

 In [31]: number_strings = np.array(['1.26','-8','-4.6'],dtype=np.string_)

 In [32]: number_strings.astype(np.float64)
 Out[32]: array([ 1.26, -8.  , -4.6 ])

还可以用简洁的代码来表示dtype。

 In [33]: empty_uint32 = np.empty(8,dtype='u4')

 In [34]: empty_uint32
 Out[34]:
 array([         0, 1072693248, 1717986918, 1073899110,          0,
        1074790400,          0, 1075052544], dtype=uint32)