資料型態
因為 NumPy 是主要作為資料計算的函式庫，因此 NumPy 裡面的資料型別具有比 Python 內建的資料型別更高的精度，也可以更方便的將陣列資料轉換為指定的型態，這篇教學將會介紹 NumPy 的資料型態以及相對應的轉換方式。
快速導覽：
本篇使用的 Python 版本為 3.7.12，所有範例可使用 Google Colab 實作，不用安裝任何軟體 ( 參考：使用 Google Colab )
資料型態的種類
NumPy 的資料型態有下列幾種 ( 參考 NumPy 官方說明文件 )：
| 種類 | 代替字串 | 說明 |
|---|---|---|
| bool | ? | boolean 布林值。 |
| int | i | (signed) integer 帶有符號的整數 ( 正負整數 )，等同 int64。 |
| int8 | i1 | 整數 -128～127。 |
| int16 | i2 | 整數 -32768～32767。 |
| int32 | i4 | 整數 -2147483648～2147483647。 |
| int64 | i8 | 整數 -9223372036854775808～9223372036854775807。 |
| uint | u | unsigned integer 無有符號的整數 ( 正整數 )，等同 uint64。 |
| uint8 | u1 | 正整數 0～255。 |
| uint16 | u2 | 正整數 0～65535。 |
| uint32 | u4 | 正整數 0～4294967295。 |
| uint64 | u8 | 正整數 0～18446744073709551615。 |
| float | f | floating-point 浮點數，等同 float64。 |
| float16 | f2 | 半精度浮點數。 |
| float32 | f4 | 單精度浮點數。 |
| float64 | f8 | 雙精度浮點數。 |
| complex | c | complex floating-point 浮點類型複數，等同 complex128。 |
| complex64 | c8 | 雙 32 位複數。 |
| complex128 | c16 | 雙 64 位複數。 |
| object | O | object 物件。 |
| byte | b | (signed) byte 帶有符號的位元。 |
| ubyte | B | unsigned byte 無符號的位元。 |
| unicode | U | Unicode。 |
| S | (byte-)string 字串。 | |
| m | timedelta 時間間隔。 | |
| M | datetime 日期時間。 | |
| V | void 原始數據。 |
轉換資料型態
NumPy 在定義陣列時，可以透過 dtype 指定資料的型態，就能將陣列內的所有資料轉變成對應的型態 ( 注意，如果有遇到無法互相轉換的型態，會發生錯誤 )，下方的範例，會將原始陣列 a 的資料，轉換成不同型態的陣列。
import numpy as np
a = np.array([1.1, 2.2, 3.3, 0, -1])
b = np.array(a, dtype='?')
c = np.array(a, dtype='U')
d = np.array(a, dtype='S')
e = np.array(a, dtype='B')
f = np.array(a, dtype='i')
print(a) # [ 1.1 2.2 3.3 0. -1. ]
print(b) # [ True True True False True]
print(c) # ['1.1' '2.2' '3.3' '0.0' '-1.0']
print(d) # [b'1.1' b'2.2' b'3.3' b'0.0' b'-1.0']
print(e) # [ 1 2 3 0 255]
print(f) # [ 1 2 3 0 -1]
如果是透過 astype 的方法，則可以將現有的陣列進行資料型態的轉換，下方的範例會將整數陣列，轉換成浮點數陣列。
a = np.array([1, 2, 3, 4], dtype="int32")
b = a.astype('float32')
print(a) # 1, 2, 3, 4
print(b) # 1., 2., 3., 4,
結構化轉換型態
除了單純的轉換資料型態，也可透過「結構化」的方式，讓陣列中同時具有不同型態的資料，下方的例子，會將會將資料轉換成對應的型態。
import numpy as np
dt = np.dtype([('a','U5'),('b','f'),('c','?')])
a = np.array([(1.1,2.2,3.3), (1.1,2.2,3.3)], dtype=dt)
print(a) # [('1.1', 2.2, True) ('1.1', 2.2, True)]
取得資料型態
使用 NumPy 定義的陣列，都可以使用 dtype 的方法來查看該陣列的資料類型，下方的例子會印出不同資料類型陣列的 dtype。
import numpy as np
a = np.array([1,2,3,4,5])
b = np.array([1,2,3,4,5], dtype='U10')
print(a.dtype) # int64
print(b.dtype) # <U10
意見回饋
如果有任何建議或問題，可傳送「意見表單」給我，謝謝～