在Numpy中，數組的每個元素都必須是相同的數據類型，這種“同構性”是Numpy高效處理數據的關鍵之一。而數據類型（dtype）則定義了數組中元素的存儲方式、佔用內存的大小以及支持的運算類型。掌握Numpy的數據類型（特別是dtype和astype方法），能幫助我們更靈活地處理數據，避免內存浪費和計算錯誤。
爲什麼數據類型很重要？¶
想象一下，如果我們有一個數組存儲溫度數據，假設溫度範圍在-20到50之間，用int64（64位整數）存儲顯然是浪費的，因爲int64能表示的範圍太大了。而如果用int8（8位整數，範圍-128到127）就足夠了，既能節省內存，又能滿足需求。因此，合理選擇數據類型是優化性能的第一步。
什麼是dtype？¶
dtype是Numpy中用於描述數組元素數據類型的對象，它決定了數組中元素的存儲格式和運算規則。每個Numpy數組都有一個dtype屬性，我們可以通過它查看數組的當前數據類型。
查看數組的dtype¶
創建一個簡單的數組，然後打印它的dtype：
import numpy as np
arr = np.array([1, 2, 3, 4])
print(arr.dtype) # 輸出: int64（根據系統和Numpy版本可能是int32，默認通常爲int64）
如果在創建數組時顯式指定數據類型：
arr_int32 = np.array([1, 2, 3, 4], dtype=np.int32)
print(arr_int32.dtype) # 輸出: int32
常用的數據類型¶
Numpy支持多種數據類型，以下是最常用的幾種：
| 數據類型 | 全稱 | 說明 |
|---|---|---|
np.int8 |
8位有符號整數 | 範圍: -128 ~ 127 |
np.int16 |
16位有符號整數 | 範圍: -32768 ~ 32767 |
np.int32 |
32位有符號整數 | 範圍: -2^31 ~ 2^31-1 |
np.int64 |
64位有符號整數 | 範圍: -2^63 ~ 2^63-1 |
np.uint8 |
8位無符號整數 | 範圍: 0 ~ 255 |
np.float32 |
32位浮點數 | 單精度，約7位有效數字 |
np.float64 |
64位浮點數（雙精度） | 約15位有效數字 |
np.bool_ |
布爾類型 | True/False |
np.object_ |
Python對象類型 | 可存儲任意類型 |
astype：數據類型轉換¶
astype方法用於將數組的數據類型轉換爲指定類型，返回一個新數組，原數組的數據類型不會改變。語法爲：數組.astype(目標數據類型)。
示例1：整數轉浮點數¶
arr = np.array([1, 2, 3, 4], dtype=np.int32)
float_arr = arr.astype(np.float64) # 轉換爲雙精度浮點數
print(float_arr) # 輸出: [1. 2. 3. 4.]
print(float_arr.dtype) # 輸出: float64
print(arr.dtype) # 輸出: int32（原數組未改變）
示例2：浮點數轉整數¶
arr = np.array([1.5, 2.9, 3.0, 4.1], dtype=np.float64)
int_arr = arr.astype(np.int32) # 轉換爲32位整數，小數部分被截斷
print(int_arr) # 輸出: [1 2 3 4]
注意：浮點數轉整數時，只會截斷小數部分（向下取整），不會四捨五入。例如
2.9會被轉爲2，而非3。
示例3：布爾類型轉換¶
Numpy中布爾值可以與整數互轉：
- 布爾轉整數：True → 1，False → 0
- 整數轉布爾：非0整數 → True，0 → False
# 布爾轉整數
bool_arr = np.array([True, False, True])
int_from_bool = bool_arr.astype(np.int32)
print(int_from_bool) # 輸出: [1 0 1]
# 整數轉布爾
int_arr = np.array([0, 1, 2, 3])
bool_from_int = int_arr.astype(np.bool_)
print(bool_from_int) # 輸出: [False True True True]
示例4：不同精度的整數轉換¶
# int64轉float32
arr = np.array([100, 200, 300], dtype=np.int64)
float_arr = arr.astype(np.float32)
print(float_arr) # 輸出: [100. 200. 300.]
print(float_arr.dtype) # 輸出: float32
# 大整數轉小整數（可能溢出）
arr = np.array([2**30, 2**30, 2**30], dtype=np.int64)
small_int_arr = arr.astype(np.int32) # int32最大約21億，此處數值較大會溢出
print(small_int_arr) # 輸出: [-1294967296 -1294967296 -1294967296]（溢出結果）
警告：轉換爲更小的數據類型時可能導致溢出，需確保目標類型能容納原數據範圍。
總結¶
- dtype：用於查看和指定數組的數據類型，例如
arr.dtype查看類型，np.int32指定類型。 - astype：轉換數據類型，返回新數組，原數組不變。常用場景：統一數據類型、節省內存、適配運算需求。
- 注意事項：轉換時關注數據範圍（避免溢出）和精度損失（如浮點數轉整數）。
掌握這些基礎，你就能更靈活地處理Numpy數組的數據類型，爲後續的數據處理和分析打下堅實基礎！