numpy支持比Python更多種類的數值類型。下表列出了numpy中定義的不同數據類型。
| 數據類型 | 描述 |
| bool_ | 布爾型數據類型（True 或者 False） |
| int_ | 默認整數，相當於 C 的long，通常為int32或int64 |
| intc | 相當於 C 的int，通常為int32或int64 |
| intp | 用於索引的整數，相當於 C 的size_t，通常為int32或int64 |
| int8 | 1個字節（-128 ~ 127） |
| int16 | 16 位整數（-32768 ~ 32767） |
| int32 | 32 位整數（-2147483648 ~ 2147483647） |
| int64 | 64 位整數（-9223372036854775808 ~ 9223372036854775807） |
| uint8 | 8 位無符號整數（0 ~ 255） |
| uint16 | 16 位無符號整數（0 ~ 65535） |
| uint32 | 32 位無符號整數（0 ~ 4294967295） |
| uint64 | 64 位無符號整數（0 ~ 18446744073709551615） |
| float_ | float64的簡寫 |
| float16 | 半精度浮點：1位符號位，5 位指數，10 位尾數 |
| float32 | 單精度浮點：1位符號位，8 位指數，23 位尾數 |
| float64 | 雙精度浮點：1位符號位，11 位指數，52 位尾數 |
| complex_ | complex128的簡寫，即 128 位復數 |
| complex64 | 復數，由兩個 32 位浮點表示（實部和虛部） |
| complex128 | 復數，由兩個 64 位浮點表示（實部和虛部） |
| complex256 | 復數，128位 |
| object | Python對象類型 |
| string_ | 修正的ASCII字符串類型 |
| unicode_ | 修正的Unicode類型 |
小技巧：int8，int16，int32，int64 可替換為等價的字符串 'i1'，'i2'，'i4'，其他類型也有類似的縮寫。
每個內建類型都有一個唯一的字符代碼：
- 'b'：布爾值
- 'i'：符號整數
- 'u'：無符號整數
- 'f'：浮點
- 'c'：復數浮點
- 'm'：時間間隔
- 'M'：日期時間
- 'O'：Python 對象
- 'S', 'a'：字符串
- 'U'：Unicode
- 'V'：原始數據（void）
np.astype:顯式地轉換數據類型
使用astype時總是生成一個新的數組，即使你傳入的dtype與原來的一樣。
>>> a = np.arange(1, 6) >>> a array([1, 2, 3, 4, 5]) >>> a.dtype dtype('int32') >>> float_a = a.astype(np.float64) >>> float_a.dtype dtype('float64') # 字符串轉浮點
>>> numeric_string = np.array(['1.23', '-1.20', '33'], dtype=np.string_) >>> numeric_string array([b'1.23', b'-1.20', b'33'], dtype='|S5') >>> numeric_string.astype(float) array([ 1.23, -1.2 , 33. ]) # 使用其它數組的dtype
>>> int_array = np.arange(4) >>> old = np.array([3.4,2.4,11.3]) >>> new = old.astype(int_array.dtype) >>> old array([ 3.4, 2.4, 11.3]) >>> new array([ 3, 2, 11])
numpy還有一些預先定義的特殊值：
比如：np.nan、np.pi、np.e
np.nan： 缺失值，或者理解為'不是一個數'
import numpy as np a = np.array([np.nan, 1,2,np.nan,3,4,5]) a[~np.isnan(a)] b = np.array([1, 2+6j, 5, 3.5+5j]) b[np.iscomplex(b)]