【相關推薦：Python3影片教學 】
每個 ndarray 都有一個關聯的資料類型 (dtype) 物件。這個資料類型物件（dtype）告訴我們數組的佈局。這意味著它為我們提供了以下資訊：
ndarray 的值儲存在緩衝區中，可以將其視為連續的記憶體位元組區塊。所以這些位元組將如何被解釋由dtype物件給出。
資料型別物件是numpy.dtype 類別的實例，可以使用numpy.dtype.
參數：
obj： 要轉換為資料型別物件的物件。
align : [bool, optional] 在欄位中加入填滿以符合 C 編譯器為類似 C 結構輸出的內容。
copy : [bool, optional] 製作資料類型物件的新副本。如果為 False，則結果可能只是對內建資料類型物件的參考。
# 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))
輸出：
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)輸出：
Byte order is: >
Size is: 4
Name of data type is: int32
類型說明符（上述情況下為i4）可以採用不同的形式：
b1、i1、i2、i4、i8、u1、u2、u4、u8、f2、f4、f8、c8、c16、a（表示位元組、整數、無符號整數、浮點數、指定位元組長度的複數和定長字串）
int8,...,uint8,...,float16, float32, float64, complex64, complex128（這次是位元大小）
注意： dtype 與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)輸出：
type is:
dtype is: int32
資料類型物件對於建立結構化陣列很有用。結構化數組是包含不同類型資料的數組。可以藉助欄位存取結構化數組。
欄位就像是為物件指定名稱。在結構化陣列的情況下，dtype 物件也會是結構化的。
# 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'])輸出：
('
# 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'])輸出：
('John', [ 6., 7.])
Grades of John are: [ 6. 7.]
Names are: ['Sarah' 'John']
【相關推薦：Python3影片教學 】
以上是Python NumPy教程之資料類型對象的詳細內容。更多資訊請關注PHP中文網其他相關文章！
