摘要：其他數(shù)據(jù)類型在中沒(méi)有對(duì)應(yīng)。因此，使用數(shù)組標(biāo)量確保了數(shù)組和標(biāo)量之間具有相同的行為，無(wú)論值在不在數(shù)組中。不提供比的精度更高的特別是位四精度數(shù)據(jù)類型的是不能用的。

原文：Data types
譯者：飛龍

?

另見
數(shù)據(jù)類型對(duì)象

NumPy支持的數(shù)值類型比Python更多。這一節(jié)會(huì)講述所有可用的類型，以及如何改變數(shù)組的數(shù)據(jù)類型。

此外，Intel平臺(tái)相關(guān)的C整數(shù)類型 short、long，long long 和它們的無(wú)符號(hào)版本是有定義的。

NumPy數(shù)值類型是dtype對(duì)象的實(shí)例，每個(gè)都有獨(dú)特的特點(diǎn)。一旦你導(dǎo)入了NumPy：

>>> import numpy as np

這些 dtype 都可以通過(guò) np.bool_ ， np.float32 以及其它的形式訪問(wèn)。

更高級(jí)的類型不在表中給出，請(qǐng)見結(jié)構(gòu)化數(shù)組一節(jié)。

有5種基本的數(shù)值類型：布爾（bool），整數(shù)（int），無(wú)符號(hào)整數(shù)（uint），浮點(diǎn)（float）和復(fù)數(shù)。其中的數(shù)字表示類型所占的位數(shù)（即需要多少位代表內(nèi)存中的一個(gè)值）。有些類型，如int和intp，依賴于平臺(tái)（例如32位和64位機(jī)）有不同的位數(shù)。在與低級(jí)別的代碼（如C或Fortran）交互和在原始內(nèi)存中尋址時(shí)應(yīng)該考慮到這些。

數(shù)據(jù)類型可以用做函數(shù)，來(lái)將Python類型轉(zhuǎn)換為數(shù)組標(biāo)量（詳細(xì)解釋請(qǐng)見數(shù)組標(biāo)量一節(jié)），或者將Python的數(shù)值序列轉(zhuǎn)換為同類型的NumPy數(shù)組，或者作為參數(shù)傳入接受dtype的關(guān)鍵詞的NumPy函數(shù)或方法中，例如：

>>> import numpy as np
>>> x = np.float32(1.0)
>>> x
1.0
>>> y = np.int_([1,2,4])
>>> y
array([1, 2, 4])
>>> z = np.arange(3, dtype=np.uint8)
>>> z
array([0, 1, 2], dtype=uint8)

數(shù)組類型也可以由字符代碼指定，這主要是為了保留舊的包的向后兼容，如Numeric。一些文檔仍舊可能這樣寫，例如：

>>> np.array([1, 2, 3], dtype="f")
array([ 1.,  2.,  3.], dtype=float32)

我們推薦用 dtype 對(duì)象來(lái)取代。

要轉(zhuǎn)換數(shù)組類型，使用 .astype() 方法（推薦），或者將類型自身用作函數(shù)，例如：

>>> z.astype(float)                 
array([  0.,  1.,  2.])
>>> np.int8(z)
array([0, 1, 2], dtype=int8)

需要注意的是，上面我們使用Python的浮點(diǎn)對(duì)象作為 dtype。NumPy知道int是指np.int_，bool指np.bool_，float指np.float_，complex指np.complex_ 。其他數(shù)據(jù)類型在Python中沒(méi)有對(duì)應(yīng)。

通過(guò)查看 dtype 屬性來(lái)確定數(shù)組的類型：

>>> z.dtype
dtype("uint8")

dtype 對(duì)象還包含有關(guān)類型的信息，如它的位寬和字節(jié)順序。數(shù)據(jù)類型也可以間接用于類型的查詢屬性，例如檢查是否是整數(shù)：

>>> d = np.dtype(int)
>>> d
dtype("int32")

>>> np.issubdtype(d, int)
True

>>> np.issubdtype(d, float)
False

NumPy一般以數(shù)組標(biāo)量返回?cái)?shù)組元素（帶有相關(guān)dtype的標(biāo)量）。數(shù)組標(biāo)量不同于Python標(biāo)量，但他們中的大部分可以互換使用（一個(gè)主要的例外是2.x之前的Python，其中整數(shù)數(shù)組標(biāo)量不能作為列表和元組的下標(biāo)）。也有一些例外，比如當(dāng)代碼需要標(biāo)量的一個(gè)非常特定的屬性，或檢查一個(gè)值是否是特定的Python標(biāo)量時(shí)。一般來(lái)說(shuō)，總是可以使用相應(yīng)的Python類型函數(shù)（如int，float，complex，str，unicode），將數(shù)組標(biāo)量顯式轉(zhuǎn)換為Python標(biāo)量來(lái)解決問(wèn)題。

使用數(shù)組標(biāo)量的主要優(yōu)點(diǎn)是，它們保留了數(shù)組的類型（Python可能沒(méi)有匹配的標(biāo)量類型，如int16）。因此，使用數(shù)組標(biāo)量確保了數(shù)組和標(biāo)量之間具有相同的行為，無(wú)論值在不在數(shù)組中。NumPy標(biāo)量也有許多和數(shù)組相同的方法。

Python 的浮點(diǎn)數(shù)通常都是64位的，幾乎相當(dāng)于 np.float64 。在一些不常見的情況下，更精確的浮點(diǎn)數(shù)可能更好。是否可以這樣做取決于硬件和開發(fā)環(huán)境：具體來(lái)說(shuō)，x86 機(jī)器提供了80位精度的硬件浮點(diǎn)支持，雖然大多數(shù) C 編譯器都以 long double 類型來(lái)提供這個(gè)功能，但 MSVC （標(biāo)準(zhǔn)的Windows版本）中 long double 和 double 一致。NumPy中可以通過(guò) np.longdouble 來(lái)使用編譯器的 long double （復(fù)數(shù)為 np.clongdouble ）。你可以通過(guò) np.finfo(np.longdouble) 來(lái)了解你的 numpy 提供了什么。

NumPy 不提供比 C 的 long double 精度更高的 dtype；特別是128位 IEEE 四精度數(shù)據(jù)類型（Fortran 的 REAL*16）是不能用的。

為了高效的內(nèi)存對(duì)齊，np.longdouble通常填充零位來(lái)存儲(chǔ)，共96位或128位。哪個(gè)更有效取決于硬件環(huán)境；通常在32位系統(tǒng)中，他們被填充到96位，而在64位系統(tǒng)，他們通常是填充到128位。np.longdouble 以系統(tǒng)默認(rèn)的方式填充；而 np.float96 和 np.float128 為那些需要特定填充位的用戶提供。盡管名字不同，np.float96 和 np.float128都只提供和np.longdouble相同的精度，也就是說(shuō)，大多數(shù) x86 機(jī)器上面只有80位，標(biāo)準(zhǔn)Windows版本上只有64位。

注意，即使np.longdouble比Python的float精度更高，也很容易失去額外的精度，因?yàn)镻ython經(jīng)常強(qiáng)行以float來(lái)傳值。例如，%格式化運(yùn)算符要求其參數(shù)轉(zhuǎn)換成標(biāo)準(zhǔn)的Python類型，因此它不可能保留額外的精度，即使要求更多的小數(shù)位數(shù)。可以使用1 + np.finfo(np.longdouble).eps來(lái)測(cè)試你的代碼。