【相关推荐：Python3视频教程 】
每个 ndarray 都有一个关联的数据类型 (dtype) 对象。这个数据类型对象（dtype）告诉我们数组的布局。这意味着它为我们提供了以下信息：
ndarray 的值存储在缓冲区中，可以将其视为连续的内存字节块。所以这些字节将如何被解释由dtype对象给出。
数据类型对象是 numpy.dtype 类的一个实例，可以使用numpy.dtype.
参数：
obj： 要转换为数据类型对象的对象。
align : [bool, optional] 向字段添加填充以匹配 C 编译器为类似 C 结构输出的内容。
copy : [bool, optional] 制作数据类型对象的新副本。如果为 False，则结果可能只是对内置数据类型对象的引用。
# Python 程序创建数据类型对象 import numpy as np # np.int16 被转换为数据类型对象。 print(np.dtype(np.int16))
输出：
int16
# Python 程序创建一个包含 32 位大端整数的数据类型对象
import numpy as np
# i4 表示大小为 4 字节的整数
# > 表示大端字节序和
# < 表示小端编码。
# dt 是一个 dtype 对象
dt = np.dtype('>i4')
print("Byte order is:",dt.byteorder)
print("Size is:", dt.itemsize)
print("Data type is:", dt.name)输出：
Byte order is: >
Size is: 4
Name of data type is: int32
类型说明符（在上述情况下为 i4）可以采用不同的形式：
b1、i1、i2、i4、i8、u1、u2、u4、u8、f2、f4、f8、c8、c16、a（表示字节、整数、无符号整数、浮点数、指定字节长度的复数和定长字符串）
int8,...,uint8,...,float16, float32, float64, complex64, complex128（这次是位大小）
注意： dtype 与 type 不同。
# 用于区分类型和数据类型的 Python 程序。
import numpy as np
a = np.array([1])
print("type is: ",type(a))
print("dtype is: ",a.dtype)输出：
type is:
dtype is: int32
数据类型对象对于创建结构化数组很有用。结构化数组是包含不同类型数据的数组。可以借助字段访问结构化数组。
字段就像为对象指定名称。在结构化数组的情况下，dtype 对象也将是结构化的。
# 用于演示字段使用的 Python 程序
import numpy as np
# 一种结构化数据类型，包含一个 16 字符的字符串（在“name”字段中）和两个 64 位浮点数的子数组（在“grades”字段中）
dt = np.dtype([('name', np.unicode_, 16),
('grades', np.float64, (2,))])
# 具有字段等级的对象的数据类型
print(dt['grades'])
# 具有字段名称的对象的数据类型
print(dt['name'])输出：
('
# Python 程序演示了数据类型对象与结构化数组的使用。
import numpy as np
dt = np.dtype([('name', np.unicode_, 16),
('grades', np.float64, (2,))])
# x 是一个包含学生姓名和分数的结构化数组。
# 学生姓名的数据类型是np.unicode_，分数的数据类型是np.float(64)
x = np.array([('Sarah', (8.0, 7.0)),
('John', (6.0, 7.0))], dtype=dt)
print(x[1])
print("Grades of John are: ", x[1]['grades'])
print("Names are: ", x['name'])输出：
('John', [ 6., 7.])
Grades of John are: [ 6. 7.]
Names are: ['Sarah' 'John']
【相关推荐：Python3视频教程 】
以上是Python NumPy教程之数据类型对象的详细内容。更多信息请关注PHP中文网其他相关文章！
