Numpy数组的数据类型 （第4讲）
🍹博主 侯小啾 感谢您的支持与信赖。☀️
🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ
✨本博客收录于专栏Python数据分析宝典.。
✨专栏特点：
①逻辑清晰，循序渐进，符合初学者思维，内容友好程度高。
②内容精炼，且不失重点，入门时间周期短。性比价高。
③能够兼容非科班，如金融，经济，统计，数学等专业的小伙伴。
④附实战案例加持，搭乘数分精通之路的直通车！
✨更多精彩内容敬请期待，小啾持续为您输出中！
文章目录
- 1. 数组数据类型汇总
- 2. 代码示例
使用array()，zeros()，ones()，empty()，arange()，linspace()，logspace()，eye()等方法创建数组时都可以通过dtype参数指定数据类型。
1. 数组数据类型汇总
Numpy数组中，常用的基本数据类型如下表所示：
| 类型 | 类型代码/简写 | 描述 |
|---|---|---|
| int8,uint8 | i1,u1 | 有符号和无符号的8数位整数（-128~127）（0~255） |
| int16,uint16 | i2,u2 | 有符号和无符号的16数位整数（-32768~32767）（0~65535） |
| int32,uint32 | i4,u4 | 有符号和无符号的32数位整数（-2147483648~2147483647）（0~4294967295） |
| int64,uint64 | i8,u8 | 有符号和无符号的64数位整数（-9223372036854775808~9223372036854775807）（0~18446744073709551615） |
| float16 | f2 | 半精度浮点数：1个符号位，5位指数，10位尾数 |
| float32 | f4 | 标准单精度浮点数：1个符号位，8位指数，23位尾数 |
| float64 | f8 | 标准双精度浮点数：1个符号位，11位指数，52位尾数 |
| bool | ------------ | 存储一个字节的布尔值，存储True或False。（也可写为bool_） |
| complex64 | ------------ | 复数，由两个32位浮点表示（实部和虚部） |
| complex128 | 简写：complex_ | 复数，由两个64位浮点表示（实部和虚部） |
| datatime64 | ------------ | 日期和事件类型 |
| timedelta | ------------ | 两个时间类型的间隔 |
| string_ | S | ASCII字符串类型（即字节类型），eg：‘S10’ |
| unicode_ | U | Unicode类型（python3的默认字符串是Unicode类型），eg：‘U10’ |
2. 代码示例
这些类型本身也是一个对象，不仅可以作为参数传递到相关函数，也可以单独作为函数使用。
单独作为函数使用的代码示例如下：
print(np.int32(12.56), type(np.int32(12.56)))
print(np.float64(13), type(np.float64(13)))
执行效果：
作为参数指定数组数据类型时，代码示例如下：
import numpy as np # 整数类型
int8_array = np.array([1, 2, 3], dtype=np.int8)
int16_array = np.array([1, 2, 3], dtype=np.int16)
int32_array = np.array([1, 2, 3], dtype=np.int32)
int64_array = np.array([1, 2, 3], dtype=np.int64) # 无符号整数类型
uint8_array = np.array([1, 2, 3], dtype=np.uint8)
uint16_array = np.array([1, 2, 3], dtype=np.uint16)
uint32_array = np.array([1, 2, 3], dtype=np.uint32)
uint64_array = np.array([1, 2, 3], dtype=np.uint64) # 浮点数类型
float16_array = np.array([1.1, 2.2, 3.3], dtype=np.float16)
float32_array = np.array([1.1, 2.2, 3.3], dtype=np.float32)
float64_array = np.array([1.1, 2.2, 3.3], dtype=np.float64) # 复数类型
complex_array = np.array([1+2j, 2+3j, 3+4j], dtype=np.complex_)
complex64_array = np.array([1+2j, 2+3j, 3+4j], dtype=np.complex64)
complex128_array = np.array([1+2j, 2+3j, 3+4j], dtype=np.complex128) # 字符串类型
str_array = np.array(['hello', 'world', 'python'], dtype=np.str_)
unicode_array = np.array(['hello', 'world', 'python'], dtype=np.unicode_)其中，datetime64 和 timedelta 是 NumPy 中用于处理日期和时间的数据类型。
datetime64 是一种用于存储日期和时间的类型，可以表示年、月、日、时、分、秒等单位的时间。以下是一个 datetime64 类型的代码示例：
import numpy as npdate_array = np.array(['2023-07-01', '2023-07-02', '2023-07-03'], dtype='datetime64')
执行效果：
timedelta 是一种用于表示时间间隔的数据类型，可以表示不同时间单位之间的差异。以下是一个 timedelta 类型的代码示例：
import numpy as nptime_diff_array = np.array([1, 2, 3], dtype='timedelta64[D]')
执行效果：
