当知道如何创建 ndarray(Numpy的数组）之后，来看看它里面到底可以放些什么样的数据。这里引入了在Python数组里非常重要的一个概念：dType。Numpy通过dType来显示的指定数组中的数据到底是什么类型的。例如
import Numpy as np
# 用dtype来指定
darrary = np.array(np.arange(9), dtype='S1')
print(darrary)
print(darrary.dtype)
'''
Output:
['0' '1' '2' '3' '4' '5' '6' '7' '8']
|S1
'''这段代码构建了一个一维数组。正常来讲，np.arange所产生的序列是数值类型的。但是这里经过指定dtype=’S’，将数字类型的数据转化成了字符串类型S1。那dtype到底可以指定多少种数据类型呢？
基本数据类型
Numpy支持24个基本类型的数据，具体情况可查阅https://numpy.org/devdocs/reference/c-api/dtype.html 。它包括布尔型(bool), 整形(int32)，浮点型等等(float32)。可以通过三种方式来指定：
import Numpy as np
# 通过类似int32这种方式来指定
darrary = np.array(np.arange(4), dtype='int32')
print(darrary)
print(darrary.dtype)
'''
Output:
[0 1 2 3]
int32
'''
darrary = np.array(np.arange(4), dtype='bool')
print(darrary)
print(darrary.dtype)
'''
Output:
[False True True True]
bool
'''
darrary = np.array(np.arange(4), dtype='float32')
print(darrary)
print(darrary.dtype)
'''
Output:
[0. 1. 2. 3.]
float32
'''
# 通过np.int32这种方式来指定
darrary = np.array(np.arange(4), dtype=np.int32)
print(darrary)
print(darrary.dtype)
'''
Output:
[0 1 2 3]
int32
'''
darrary = np.array(np.arange(4), dtype=np.bool)
print(darrary)
print(darrary.dtype)
'''
Output:
[False True True True]
bool
'''
darrary = np.array(np.arange(4), dtype=np.float32)
print(darrary)
print(darrary.dtype)
'''
Output:
[0. 1. 2. 3.]
float32
'''
# 通过类型的简化版，来指定。这种情况，只有整数和浮点数支持。
darrary = np.array(np.arange(4), dtype='i4')
print(darrary)
print(darrary.dtype)
'''
Output:
[0 1 2 3]
int32
'''
darrary = np.array(np.arange(4), dtype='f4')
print(darrary)
print(darrary.dtype)
'''
Output:
[0. 1. 2. 3.]
float32
'''其中比较令人疑惑的是i4, f4这样的写法。 其实ix是整数类型的一个缩写，其中i表示int, x表示数字所占的字节数。fx就相应的代表浮点数类型的缩写。缩写和实际类型的对应关系如下：
字符表示 | 实际类型 | 字符表示 | 实际类型 |
i1 | int8 | f2 | float16 |
i2 | int16 | f4 | float32 |
i4 | int32 | f8 | float64 |
i8 | int64 | f16 | float128 |
字符串类型
除了上面的基本类型之外，dtype还可以接受字符串类型的指定。 比如文章一开始提到的S1。 这里S表示字符串，1表示长度(如果不是，请更正我)。
import Numpy as np
# 指定dtype 为S1
darray = np.array(['a', 'b'], dtype='S1')
print(darray.dtype)
'''
Output:
|S1
'''
# 从下面这个例子可以看出，S后面的数字，与数组中最长的字符串的长度是一致的
darray = np.array(['Hello', 'Numpy!'])
print(darray.dtype)
'''
Output:
|S6
'''
# 这里有一个有趣的现象，即便数组中的字符串超过了我们指定的S的大小，系统依然不会报错。但是系统也不会按照数组中最长字符串的长度来改变dtype的类型
darray = np.array(['Hello', 'Numpy!'], dtype='S1')
print(darray.dtype)
'''
Output:
|S1
'''指定object类型
在Python中的object与json的结构惊人的相似，也是有键值对(Key-Value)的方式来构建的，例如：
import Numpy as np
person = {'name' : "三儿", 'age' : 37, 'gendar' : '男', 'married' : False}
print(type(person))
'''
Output:
<type 'dict'>
'''如果想把类似于person这样的object当成元素放到Numpy的数组中去，就需要按照下面的方式指定dtype：
import Numpy as np
custom_dtype = np.dtype([('name' , 'S20'), ('age' , 'i1'), ('gendar' , 'S1'), ('married' , 'bool')])
parray = [("三儿", 37, '男', False), ("五儿", 22, '女', False)]
darray = np.array(parray, dtype = custom_dtype)
print(darray[:]['age'])
'''
Output:
[37, 22]
'''可见在dtype指定一个复杂的object类型时，是通过元组的方式来实现的。想要知道数组元素的数据类型，也可以使用np.dtype来查看。 更多dtype的相关内容
