简介

Python 语言中只定义了特定数据类的一种类型（比方只有一种整数类型，一种浮点类型等）。在不须要关注计算机中数据表示形式的一般应用程序中，这样做很不便。然而，对于科学计算来说，咱们须要更加准确的管制类型。

在 NumPy 中，引入了 24 种新的 Python scalar 类型用于更加精确的形容数据。这些类型都是能够间接在 NumPy 中的数组中应用的，所以也叫 Array scalar 类型。

本文将会具体解说这 24 种 scalar 类型。

scalar 类型的层次结构

先看一个张图，看下 scalar 类型的层次结构：

下面实线方框括起来的，就是 scalar 类型。这些标量类型，都能够通过 np.type来拜访，比方：

In [130]: np.intc
Out[130]: numpy.int32

仔细的小伙伴可能要问了，这不对呀，实线方框括起来的只有 22 中类型，还有两个类型是什么？

还有两个是代表整数指针的 intp 和 uintp。

留神，array scalars 类型是不可变的。

咱们能够 isinstance 来对这些数组标量来进行层次结构的检测。

例如，如果 val 是数组标量对象，则 isinstance（val，np.generic）将返回 True。如果 val 是复数值类型，则 isinstance（val，np.complexfloating）将返回 True。

内置 Scalar 类型

咱们用上面的表来展现内置的 Scalar 类型和与他们绝对应的 C 类型或者 Python 类型。最初一列的字符代码是类型的字符示意，在有些状况比方构建 dtype 中会应用到。

boolean

Integers

Unsigned integers

Floating-point numbers

Complex floating-point numbers

Python 对象

对于数组中的对象类型 object_ 来说，存储的数据其实是 Python 对象的援用，所以说他们的对象类型必须统一。

尽管存储的是援用，然而在取值拜访的时候，返回的就是对象自身。

能够看到对于数字类型来说，int,uint,float,complex, 前面能够跟上具体的数组，示意特定的长度。

intp 和 uintp 是两个指向整数的指针。

有些类型和 Python 自带的类型基本上是等价的，事实上这些类型就是继承自 Python 自带的类型：

有一个特例就是 bool_，它和 Python 的 BooleanType 十分相似，但并不是继承自BooleanType。因为 Python 的BooleanType 是不容许被继承的。并且两者底层的数据存储长度也是不一样的。

尽管在 Python 中 bool 是 int 的子类。然而在 NumPy 中 bool_ 并不是 int_ 的子类，bool_ 甚至不是一个 number 类型。

在 Python 3 中，int_ 不再继承 Python3 中的 int 了，因为 int 不再是一个固定长度的整数。

NumPy 默认的数据类型是 float_。

可变长度数据类型

上面的三种数据类型长度是可变的，

字符代码中的 # 示意的是数字。

下面形容的字符代码，为了和 Python 的其余模块进行兼容，比方 struct，须要进行上面适当的修改：

c -> S1, b -> B, 1 -> b, s -> h, w -> H, 和 u -> I.

本文已收录于 http://www.flydean.com/03-python-numpy-scalar/

最艰深的解读，最粗浅的干货，最简洁的教程，泛滥你不晓得的小技巧等你来发现！

欢送关注我的公众号:「程序那些事」, 懂技术，更懂你！