【Numpy总结】第一节：Numpy 对象与类型

2025-08-05 18:23:58

@[toc]

一、Numpy 对象：ndarray

Numpy 就类似于一个数组，与Python的列表不同的是：Python的列表可以放入不同类型的数据，这样的好处是兼容性强，但是劣势是计算速度变慢，在大数据的处理时，我们需要高效率，所以Numpy便出现了；相比Python对象，Numpy的对象叫做ndarray；ndarray的特点：

一般情况下，ndarray中的所有元素，类型都相同；当然，也可以不同；

ndarray 中每个元素都有相同大小的存储空间；

二、新建 Numpy对象

创建一个 ndarray 只需调用 NumPy 的 array 函数即可，如下：

numpy.array(object, dtype = None, copy = True, order = None, subok = False, ndmin = 0)

参数说明：

名称

描述

object

数组或嵌套的数列

dtype

数组元素的数据类型，可选

copy

对象是否需要复制，可选

order

创建数组的样式，C为行方向，F为列方向，A为任意方向（默认）

subok

默认返回一个与基类类型一致的数组

ndmin

指定生成数组的最小维度

举例如下：

import numpy as np # 导入包

a = np.array([1,2,3,4]) #一维数组建立

print ('a:',a)

# 输出： a: [1 2 3 4]

b = np.array([[1,2,3,4],[5,6,7,8]]) # 二维数组

print ('b:',b)

# b: [[1 2 3 4]

# [5 6 7 8]]

c = np.array([[1,2,3,4],[5,6,7,8]],ndmin=3) # 指定最小纬度

print ('c:',c)

# c: [[[1 2 3 4]

# [5 6 7 8]]]

d = np.array([[1,2,3,4],[5,6,7,8]],dtype=complex) #制定数据类型

print ('d:',d)

# d: [[1.+0.j 2.+0.j 3.+0.j 4.+0.j]

# [5.+0.j 6.+0.j 7.+0.j 8.+0.j]]

三、Numpy数据类型

3.1 常见数据类型

由于是专门用来数据分析的包，故numpy支持非常多种数据类型，可根据需求选择合适的数据类型，可以大大提高运行速度；常用的数据类型如下：备注：调用numpy 数据类型时，可以通过np.数据类型来调用，例如：np.int8，np.float16 等；

名称

类型代码

描述

bool_

布尔型数据类型（True 或者 False）

int_

默认的整数类型（类似于 C 语言中的 long，int32 或 int64）

int8

字节（-128 to 127）

int16

整数（-32768 to 32767）

int32

整数（-2147483648 to 2147483647）

int64

整数（-9223372036854775808 to 9223372036854775807）

uint8

无符号整数（0 to 255）

uint16

无符号整数（0 to 65535）

uint32

无符号整数（0 to 4294967295）

uint64

无符号整数（0 to 18446744073709551615）

float_

float64 类型的简写

float16

半精度浮点数，包括：1 个符号位，5 个指数位，10 个尾数位

float32

f4 / f

单精度浮点数，包括：1 个符号位，8 个指数位，23 个尾数位

float64

f8 / d

双精度浮点数，包括：1 个符号位，11 个指数位，52 个尾数位

complex

complex128 类型的简写，即 128 位复数

complex64

复数，表示双 32 位浮点数（实数部分和虚数部分）

complex128

c16

复数，表示双 64 位浮点数（实数部分和虚数部分）

object

Python 对象类型

string_

固定长度字符串，如长度为20的字符串，为S20

a = np.array([1.1,2,3,4],dtype = np.float64)

print ('a:',a) # float64 类型

b = np.array([[1,2,3,4],[5,6,7,8]],dtype = 'f4')

print ('b:',b) # float32 类型

3.2 数据类型转换

使用astype来改变数组的数据类型

a = np.array([1.1,2.3,3.5,4.7],dtype = np.float64)

b = a.astype(np.int_)

print(b)

# [1 2 3 4] 输出变为了整型

3.3 数据类型dtype

数据类型对象（numpy.dtype 类的实例）用来描述与数组对应的内存区域是如何使用；使用方法如下：

numpy.dtype(object, align, copy)

参数说明：

名称

描述

object

要转换为的数据类型对象

align

如果为 true，填充字段使其类似 C 的结构体

copy

复制 dtype 对象，如果为 false，则是对内置数据类型对象的引用

举例如下：

student = np.dtype([('name','S10'), ('age', 'i1'), ('marks', 'f4')])

a = np.array([('abc', 21, 50),('xyz', 18, 75)], dtype = student)

print(a)

# [(b'abc', 21, 50.) (b'xyz', 18, 75.)]