numpy.dtype用于自定义数据类型，实际是指导python程序存取内存数据时的解析方式。
【注意】，更改格式不能使用 array.dtype=int32 这样的硬性更改，会不改变内存直接该边解析过程，导致读取出问题，所以使用 array.astype(int32) ，这样才安全。
一、基本使用示例
// 定义一个数据类型，其中name为16为字符串，grades为2个float64的子数组 >>> dt = np.dtype([(‘name‘, np.str_, 16), (‘grades‘, np.float64, (2,))]) >>> dt[‘name‘] dtype(‘<U16‘) >>> dt[‘grades‘] dtype((‘<f8‘,(2,))) // 调用方法查看数组 >>> x = np.array([(‘Sarah‘, (8.0, 7.0)), (‘John‘, (6.0, 7.0))], dtype=dt) >>> x[1] (‘John‘, [6.0, 7.0]) >>> x[1][‘grades‘] array([ 6., 7.]) >>> type(x[1]) <type ‘numpy.void‘> >>> type(x[1][‘grades‘]) <type ‘numpy.ndarray‘>
二、dtype复杂格式概览
1、(flexible_dtype, itemsize)：不指定大小的数据类型，大小
>>> dt = np.dtype((void, 10)) # 10位缓存区对象 >>> dt = np.dtype((str, 35)) # 35字符字符串 >>> dt = np.dtype((‘U‘, 10)) # 10字符unicode string
2、(fixed_dtype, shape)：固定大小的类型，个数
>>> dt = np.dtype((np.int32, (2,2))) # 2*2int子数组 >>> dt = np.dtype((‘S10‘, 1)) # 10字符字符串 >>> dt = np.dtype((‘i4, (2,3)f8, f4‘, (2,3))) # 2x3结构子数组
3、[(field_name, field_dtype, field_shape), …]：字段名，格式(含类型大小)，个数
文首示例中的例子即为此种情况
>>> dt = np.dtype([(‘big‘, ‘>i4‘), (‘little‘, ‘<i4‘)]) >>> dt = np.dtype([(‘R‘,‘u1‘), (‘G‘,‘u1‘), (‘B‘,‘u1‘), (‘A‘,‘u1‘)])
4、{‘names’: …, ‘formats’: …, ‘offsets’: …, ‘titles’: …, ‘itemsize’: …}：同上，使用字典来表达，且定制程度更高
>>> dt = np.dtype({‘names‘: [‘r‘,‘g‘,‘b‘,‘a‘],‘formats‘: [uint8, uint8, uint8, uint8]})
5、{‘field1’: …, ‘field2’: …, …}： 同上
// col1在字节0处，col2在字节10处，col3在字节14处
>>> dt = np.dtype({‘col1‘: (‘S10‘, 0), ‘col2‘: (float32, 10),‘col3‘: (int, 14)})
三、获取数组的dtype
数组的.dtype返回4的格式，将属性作为条目展示
数组的.dtype.fields会进一步转换为5的格式，更强调字段，将之作为条目展示
persontype = np.dtype({
‘names‘:[‘name‘,‘age‘,‘weight‘,‘height‘],
‘formats‘:[‘S30‘,‘i‘,‘f‘,‘f‘]}, align=True)
a = np.array([(‘Zhang‘,32,72.5,167),
(‘Wang‘,24,65,170)],dtype=persontype)
print(a.dtype）
#dtype({‘names‘:[‘name‘,‘age‘,‘weight‘,‘height‘],
# ‘formats‘:[‘S30‘,‘<i4‘,‘<f4‘,‘<f4‘],
# ‘offsets‘:[0,32,36,40],
# ‘itemsize‘:44},
# align=True)
print(a.dtype.fields)
# mappingproxy({‘age‘: (dtype(‘int32‘), 32),
# ‘height‘: (dtype(‘float32‘), 40),
# ‘name‘: (dtype(‘S30‘), 0),
# ‘weight‘: (dtype(‘float32‘), 36)})
四、简单数据格式
int32，big-edian 以及 little-endian
>>> dt = np.dtype(‘>i4‘) 定义一个big-endian int 4*8=32位的数据类型 >>> dt dtype(‘>i4‘) >>> dt.byteorder //字节顺序：>为big-edian <为little-endian ‘>‘ >>> dt.itemsize //字节大小 4 >>> dt.name //dt类型 ‘int32‘ >>> dt.type is np.int32 True
简略字符参
‘b‘ boolean
‘i‘ (signed) integer
‘u‘ unsigned integer
‘f‘ floating-point
‘c‘ complex-floating point
‘m‘ timedelta
‘M‘ datetime
‘O‘ (Python) objects
‘S‘, ‘a‘ (byte-)string
‘U‘ Unicode
‘V‘ raw data (void)
混编格式
[个数] | 类型 | 字节数
// 3字节字符串、3个8字节整型子数组、3*4的10字节字符串数组
np.dtype("a3, 3u8, (3,4)a10")