系列文章地址

NumPy 最详细教程（1）：NumPy 数组 NumPy 超详细教程（2）：数据类型

文章目录

* 系列文章地址 * NumPy 数据类型 * 1、NumPy 中的数据类型 * 补充：复数的概念 * 2、datetime64 的使用 * Ⅰ、简单示例 * Ⅱ、单位使用 * Ⅲ、配合 arange 函数使用 * Ⅳ、Datetime64 和 Timedelta64 运算 * Ⅴ、Timedelta64 单独的运算 * Ⅵ、numpy.datetime64 与 datetime.datetime 相互转换 * Ⅶ、工作日功能（busday） * 3、数据类型对象：dtype * Ⅰ、实例化 dtype 对象 * Ⅱ、字符代码 * 4、numpy.datetime_data * 5、numpy.datetime_as_string

NumPy 数据类型

1、NumPy 中的数据类型

NumPy 支持比 Python 更多种类的数值类型，下表所列的数据类型都是 NumPy 内置的数据类型，为了区别于 Python 原生的数据类型，bool、int、float、complex、str 等类型名称末尾都加了 _。

print(numpy.dtype) 所显示的都是 NumPy 中的数据类型，而非 Python原生数据类型。

类型名称 描述 bool_ 布尔类型 unicode_ / unicode / str_ / str0（零非字母O） Unicode 字符串 int8 / byte int16 / short int32 / intc / int_ / long int64 / longlong / intp / int0（零非字母O） uint8 / ubyte uint16 / ushort uint32 / uintc uint64 / ulonglong / uintp / uint0（零非字母O） float16 / half 半精度浮点数，包括：1 个符号位，5 个指数位，10 个尾数位 float32 / single 单精度浮点数，包括：1 个符号位，8 个指数位，23 个尾数位 float64 / float_ / double 双精度浮点数，包括：1 个符号位，11 个指数位，52 个尾数位 complex64 / singlecomplex 复数，表示双 32 位浮点数（实数部分和虚数部分） complex128 / complex_ / cfloat / cdouble / longcomplex / clongfloat / clongdouble 复数，表示双 64 位浮点数（实数部分和虚数部分） datetime64 NumPy 1.7 开始支持的日期时间类型 timedelta64 表示两个时间之间的间隔 这里有点不理解，我是 win7 64 位系统，上述的类型都是我实测得到的，但是，我查看源码，里面却是如下定义的。总之，为了安全起见，还是建议用 int32、int64 等无歧义的类型。int_ = long intp = long int64 = long int0 = long class long(signedinteger): """ 64-bit integer. Character code 'l'. Python int compatible. """ pass 补充：复数的概念

我们把形如 z=a+bi（a, b均为实数）的数称为复数，其中 a 称为实部，b 称为虚部，i 称为虚数单位。 当虚部 b=0 时，复数 z 是实数； 当虚部 b!=0 时，复数 z 是虚数； 当虚部 b!=0，且实部 a=0 时，复数 z 是纯虚数。

2、datetime64 的使用

Ⅰ、简单示例

例一：import numpy as np a = np.datetime64('2019-03-01') print(a) 输出：2019-03-01 例二：import numpy as np a = np.datetime64('2019-03') print(a) 输出：2019-03 看到没有，可以仅显示到“月”，是不是很赞？

Ⅱ、单位使用

datetime64 可以指定使用的单位，单位包括年（‘Y’），月（‘M’），周（‘W’）和天（‘D’），而时间单位是小时（‘h’），分钟（‘m’） ），秒（‘s’），毫秒（‘ms’），微秒（‘us’），纳秒（‘ns’），皮秒（‘ps’），飞秒（‘fs’），阿托秒（‘as’）。

例三： 周（‘W’）是一个比较奇怪的单位，如果是周四，则显示当前，如果不是，则显示上一个周四。后来我想，大概是因为 1970-01-01 是周四。import numpy as np a = np.datetime64('2019-03-07', 'W') b = np.datetime64('2019-03-08', 'W') print(a, b) 输出：（2019-03-07 是周四）2019-03-07 2019-03-07 例四： 从字符串创建 datetime64 类型时，默认情况下，NumPy 会根据字符串自动选择对应的单位。import numpy as np a = np.datetime64('2019-03-08 20:00') print(a.dtype) 输出：datetime64[m] 例五： 也可以强制指定使用的单位。import numpy as np a = np.datetime64('2019-03', 'D') print(a) 输出：2019-03-01 例六： 由上例可以看出，2019-03 和 2019-03-01 所表示的其实是同一个时间。 事实上，如果两个 datetime64 对象具有不同的单位，它们可能仍然代表相同的时刻。并且从较大的单位（如月份）转换为较小的单位（如天数）是安全的。import numpy as np print(np.datetime64('2019-03') == np.datetime64('2019-03-01')) 输出：True 例七： 从字符串创建日期时间数组时，如果单位不统一，则一律转化成其中最小的单位。import numpy as np a = np.array(['2019-03', '2019-03-08', '2019-03-08 20:00'], dtype='datetime64') print(a) print(a.dtype) 输出：['2019-03-01T00:00' '2019-03-08T00:00' '2019-03-08T20:00'] datetime64[m] Ⅲ、配合 arange 函数使用

**例八：**一个月的所有天数import numpy as np a = np.arange('2019-02', '2019-03', dtype='datetime64[D]') print(a) 输出：['2019-02-01' '2019-02-02' '2019-02-03' '2019-02-04' '2019-02-05' '2019-02-06' '2019-02-07' '2019-02-08' '2019-02-09' '2019-02-10' '2019-02-11' '2019-02-12' '2019-02-13' '2019-02-14' '2019-02-15' '2019-02-16' '2019-02-17' '2019-02-18' '2019-02-19' '2019-02-20' '2019-02-21' '2019-02-22' '2019-02-23' '2019-02-24' '2019-02-25' '2019-02-26' '2019-02-27' '2019-02-28'] 例九： 间隔也可以是 3 天（‘3D’）这种形式哦。import numpy as np a = np.arange('2019-02', '2019-03', dtype='datetime64[3D]') print(a) 输出：['2019-02-01' '2019-02-04' '2019-02-07' '2019-02-10' '2019-02-13' '2019-02-16' '2019-02-19' '2019-02-22' '2019-02-25'] 发现没有，这里少了 2019-02-28。我认为是个 BUG，没道理去掉的。

Ⅳ、Datetime64 和 Timedelta64 运算

例一：timedelta64 表示两个 Datetime64 之间的差。timedelta64 也是带单位的，并且和相减运算中的两个 Datetime64 中的较小的单位保持一致。import numpy as np a = np.datetime64('2019-03-08') - np.datetime64('2019-03-07') b = np.datetime64('2019-03-08') - np.datetime64('2019-03-07 08:00') c = np.datetime64('2019-03-08') - np.datetime64('2019-03-07 23:00', 'D') print(a, a.dtype) print(b, b.dtype) print(c, c.dtype) 输出：1 days timedelta64[D] 960 minutes timedelta64[m] 1 days timedelta64[D] 看 c 的表达式，因为强制限定了单位，所以 np.datetime64('2019-03-07 23:00', 'D') 所表示的时间其实是 2019-03-07，那么结果是 1 也就好理解了。

例二：import numpy as np a = np.datetime64('2019-03') + np.timedelta64(20, 'D') print(a) 输出：2019-03-21 Ⅴ、Timedelta64 单独的运算

**例一：**生成 Timedelta64import numpy as np a = np.timedelta64(1, 'Y') # 方式一 b = np.timedelta64(a, 'M') # 方式二 print(a) print(b) 输出：1 years 12 months **例二：**加减乘除import numpy as np a = np.timedelta64(1, 'Y') b = np.timedelta64(6, 'M') print(a+ b) print(a - b) print(2 * a) print(a / b) 输出：18 months 6 months 2 years 2.0 例三： 但是，年（‘Y’）和月（‘M’）这两个单位是经过特殊处理的，它们无法和其他单位进行运算，一年有几天？一个月有几个小时？这些都是不确定的。import numpy as np a = np.timedelta64(1, 'M') b = np.timedelta64(a, 'D') 输出：TypeError: Cannot cast NumPy timedelta64 scalar from metadata [M] to [D] according to the rule 'same_kind' Ⅵ、numpy.datetime64 与 datetime.datetime 相互转换import numpy as np import datetime dt = datetime.datetime(2018, 9, 1) dt64 = np.datetime64(dt, 'D') print(dt64, dt64.dtype) dt2 = dt64.astype(datetime.datetime) print(dt2) 输出：2018-09-01 datetime64[D] 2018-09-01 Ⅶ、工作日功能（busday）

busday 默认周一至周五是工作日。该实现基于一个 weekmask，包含 7 个布尔标志，用于工作日。

**例一：**busday_offset busday_offset 将指定的偏移量应用于工作日，单位天（‘D’）。例如计算下一个工作日：import numpy as np a = np.busday_offset('2019-03-08', 1) print(a) 输出：2019-03-11 例二： 如果当前日期为非工作日，则默认是报错的。import numpy as np a = np.busday_offset('2019-03-09', 1) print(a) 输出：ValueError: Non-business day date in busday_offset 例三： 可以指定 forward 或 backward 规则来避免报错。import numpy as np a = np.busday_offset('2019-03-09', 1, roll='forward') b = np.busday_offset('2019-03-09', 1, roll='backward') print(a) print(b) c = np.busday_offset('2019-03-09', 0, roll='forward') d = np.busday_offset('2019-03-09', 0, roll='backward') print(c) print(d) 输出：2019-03-12 2019-03-11 2019-03-11 2019-03-08 可以指定偏移量为 0 来获取当前日期向前或向后最近的工作日，当然，如果当前日期本身就是工作日，则直接返回当前日期。

例四：import numpy as np a = np.busday_offset('2019-05', 1, roll='forward', weekmask='Sun') print(a) 输出：2019-05-12 母亲节是 5 月的第二个星期日，本例就可以用于返回母亲节具体的日期。来解释一下：weekmask 参数在这里可以传星期的英文简写（注意是简写 Mon、Tue、Wed、Thu、Fri、Sat、Sun，全拼报错的），指定向前或向后到星期几。上面代码的含义就是：前进道 2019-05-01 后的第二个（不要忘了下标从 0 开始的）星期日。

这个功能对老美来说也许有用，但是在中国，谁来给我求个端午节是几月几号？

**例五：**is_busday 返回指定日期是否是工作日。import numpy as np a = np.is_busday(np.datetime64('2019-03-08')) b = np.is_busday('2019-03-09') print(a) print(b) 输出：True False **例六：**busday_count 返回两个日期之间的工作日数量。import numpy as np a = np.busday_count(np.datetime64('2019-03-01'), np.datetime64('2019-03-10')) b = np.busday_count('2019-03-10', '2019-03-01') print(a) print(b) 输出：6 -6 **例七：**count_nonzero 统计一个 datetime64[‘D’] 数组中的工作日天数。import numpy as np c = np.arange('2019-03-01', '2019-03-10', dtype='datetime64') d = np.count_nonzero(np.is_busday(c)) print(d) 输出：6 例八： 自定义周掩码值，即指定一周中哪些星期是工作日。import numpy as np a = np.is_busday('2019-03-08', weekmask=[1, 1, 1, 1, 0, 1, 0]) b = np.is_busday('2019-03-09', weekmask='1111010') print(a) print(b) 输出：False True 周掩码值还可以直接用星期单词缩写列出所有的工作日，下面所示的周掩码表示的工作日是：周一周二周三周四周六周日，周五为休息日。weekmask='Mon Tue Wed Thu Sat Sun' 3、数据类型对象：dtype

数据类型对象是用来描述与数组对应的内存区域如何使用，这依赖如下几个方面：

* 数据的类型（整数，浮点数或者 Python 对象） * 数据的大小（例如， 整数使用多少个字节存储） * 数据的字节顺序（小端法""，大端法高字节在前低字节在后，小端法低字节在前高字节在后） * 在结构化类型的情况下，字段的名称、每个字段的数据类型和每个字段所取的内存块的部分（见例三） * 如果数据类型是子数组，它的形状和数据类型字节顺序是通过对数据类型预先设定""来决定的。 Ⅰ、实例化 dtype 对象

dtype 对象构造语法：numpy.dtype(obj, align=False, copy=False) 参数 描述 object 要转换为数据类型对象的对象 align 如果为 True，填充字段使其类似 C 的结构体，只有当 object 是字典或逗号分隔的字符串时才可以是 True copy 复制 dtype 对象，如果为 False，则是对内置数据类型对象的引用 例一：int8, int16, int32, int64 四种数据类型可以使用字符串 ‘i1’, ‘i2’, ‘i4’, ‘i8’ 代替。（见字符代码）import numpy as np dt = np.dtype('i4') print(dt) 输出：int32 例二：import numpy as np dt = np.dtype('