numpy dtype object_c怎么判断数据类型

 1 #记住引入numpy时要是用别名np，则所有的numpy字样都要替换
 2  #查询数值类型
 3 >>>type(float)
 4 dtype('float64')
 5 # 查询字符代码
 6 >>> dtype('f')
 7 dtype('float32')
 8 >>> dtype('d')
 9 dtype('float64')
10 # 查询双字符代码
11 >>> dtype('f8')
12 dtype('float64')
13 # 获取所有字符代码
14 >>> sctypeDict.keys()
15 [0, … 'i2', 'int0']
16  
17 # char 属性用来获取字符代码
18 >>> t = dtype('Float64')
19 >>> t.char
20 'd'
21 # type 属性用来获取类型
22 >>> t.type
23 <type 'numpy.float64'>
24  
25 # str 属性获取完整字符串表示
26 # 第一个字符是字节序，< 表示小端，> 表示大端，| 表示平台的字节序
27 >>> t.str
28 '<f8'
29  
30 # 获取大小
31 >>> t.itemsize
32 8
33  
34 # 许多函数拥有 dtype 参数
35 # 传入数值类型、字符代码和 dtype 都可以
36 >>> arange(7, dtype=uint16)
37 array([0, 1, 2, 3, 4, 5, 6], dtype=uint16)

import numpy
#定义t的各个字段类型
>>> t = dtype([('name', str, 40), ('numitems', numpy.int32), ('price',numpy.float32)])
>>> t
dtype([('name', '|S40'), ('numitems', '<i4'), ('price','<f4')])
 
# 获取字段类型
>>> t['name']
dtype('|S40')
 
# 使用记录类型创建数组
# 否则它会把记录拆开
>>> itemz = array([('Meaning of life DVD', 42, 3.14), ('Butter', 13,2.72)], dtype=t)
>>> itemz[1]
('Butter', 13, 2.7200000286102295)
#再举个例*
>>>adt = np.dtype("a3, 3u8, (3,4)a10") #3字节字符串、3个64位整型子数组、3*4的10字节字符串数组，注意8为字节
>>>itemz = np.array([('Butter',[13,2,3],[['d','o','g','s'],['c','a','t','s'],['c','o','w','s']])],dtype=adt)
>>>itemz
(b'But', [13, 2, 3], [[b'd', b'o', b'g', b's'], [b'c', b'a', b't', b's'], [b'c', b'o', b'w', b's']])

 1 #(flexible_dtype, itemsize)第一个大小不固定的参数类型，第二传入大小：
 2 >>> dt = np.dtype((void, 10)) #10位
 3 >>> dt = np.dtype((str, 35))  # 35字符字符串
 4 >>> dt = np.dtype(('U', 10))  # 10字符unicode string
 5  
 6 #(fixed_dtype, shape)第一个传入固定大小的类型参数，第二参数传入个数
 7 >>> dt = np.dtype((np.int32, (2,2)))     # 2*2int子数组
 8 举例: >>>item = np.array([([12,12],[55,56])], dtype=dt)
 9 array([[12, 12], [55, 56]])
10 >>> dt = np.dtype(('S10', 1))         # 10字符字符串
11 >>> dt = np.dtype(('i4, (2,3)f8, f4', (2,3))) # 2*3结构子数组
12  
13 #[(field_name, field_dtype, field_shape), …]
14 >>> dt = np.dtype([('big', '>i4'), ('little', '<i4')])
15 >>> dt = np.dtype([('R','u1'), ('G','u1'), ('B','u1'), ('A','u1')])
16  
17 #{‘names': …, ‘formats': …, ‘offsets': …, ‘titles': …, ‘itemsize': …}：
18 >>> dt= np.dtype（{'names':('Date','Close'),'formats':('S10','f8')}）
19 >>> dt = np.dtype({'names': ['r','b'], 'formats': ['u1', 'u1'], 'offsets': [0, 2],'titles': ['Red pixel', 'Blue pixel']})
20  
21 #(base_dtype, new_dtype)：
22 >>>dt = np.dtype((np.int32, (np.int8, 4))) //base_dtype被分成4个int8的子数组