Python语言中只定义了特定数据类的一种类型（比如只有一种整数类型，一种浮点类型等）。在不需要关注计算机中数据表示方式的普通应用程序中，这样做很方便。但是，对于科学计算来说，我们需要更加精确的控制类型。
在NumPy中，引入了24种新的Python scalar类型用于更加准确的描述数据。这些类型都是可以直接在NumPy中的数组中使用的，所以也叫Array scalar类型。
本文将会详细讲解这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：
上面实线方框括起来的，就是scalar类型。 这些标量类型，都可以通过 np.type来访问，比如：
In [130]: np.intc
Out[130]: numpy.int32
细心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 。
注意，array scalars 类型是不可变的。
我们可以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类型我们用下面的表来展示内置的Scalar类型和与他们相对应的C类型或者Python类型。最后一列的字符代码是类型的字符表示，在有些情况比如构建dtype中会使用到。
boolean
| 类型 | 描述 | 字符代码 |
|---|---|---|
bool_ | compatible: Python bool | '?' |
bool8 | 8 bits |
Integers
| 类型 | 描述 | 字符代码 |
|---|---|---|
byte | compatible: C char | 'b' |
short | compatible: C short | 'h' |
intc | compatible: C int | 'i' |
int_ | compatible: Python int | 'l' |
longlong | compatible: C long long | 'q' |
intp | large enough to fit a pointer | 'p' |
int8 | 8 bits | |
int16 | 16 bits | |
int32 | 32 bits | |
int64 | 64 bits |
Unsigned integers
| 类型 | 描述 | 字符代码 |
|---|---|---|
ubyte | compatible: C unsigned char | 'B' |
ushort | compatible: C unsigned short | 'H' |
uintc | compatible: C unsigned int | 'I' |
uint | compatible: Python int | 'L' |
ulonglong | compatible: C long long | 'Q' |
uintp | large enough to fit a pointer | 'P' |
uint8 | 8 bits | |
uint16 | 16 bits | |
uint32 | 32 bits | |
uint64 | 64 bits |
Floating-point numbers
| 类型 | 描述 | 字符代码 |
|---|---|---|
half | 'e' | |
single | compatible: C float | 'f' |
double | compatible: C double | |
float_ | compatible: Python float | 'd' |
longfloat | compatible: C long float | 'g' |
float16 | 16 bits | |
float32 | 32 bits | |
float64 | 64 bits | |
float96 | 96 bits, platform? | |
float128 | 128 bits, platform? |
Complex floating-point numbers
| 类型 | 描述 | 字符代码 |
|---|---|---|
csingle | 'F' | |
complex_ | compatible: Python complex | 'D' |
clongfloat | 'G' | |
complex64 | two 32-bit floats | |
complex128 | two 64-bit floats | |
complex192 | two 96-bit floats, platform? | |
complex256 | two 128-bit floats, platform? |
Python 对象
| 类型 | 描述 | 字符代码 |
|---|---|---|
object_ | any Python object | 'O' |
对于数组中的对象类型
object_来说，存储的数据其实是Python对象的引用，所以说他们的对象类型必须一致。虽然存储的是引用，但是在取值访问的时候，返回的就是对象本身。
可以看到对于数字类型来说，int,uint,float,complex,后面可以跟上具体的数组，表示特定的长度。
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：
| Array scalar type | Related Python type |
|---|---|
int_ | IntType (Python 2 only) |
float_ | FloatType |
complex_ | ComplexType |
bytes_ | BytesType |
unicode_ | UnicodeType |
有一个特例就是bool_ ，它和Python的 BooleanType 非常类似，但并不是继承自BooleanType。因为Python的BooleanType 是不允许被继承的。并且两者底层的数据存储长度也是不一样的。
虽然在Python中bool是int的子类。但是在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
下面的三种数据类型长度是可变的，
| 类型 | 描述 | 字符代码 |
|---|---|---|
bytes_ | compatible: Python bytes | 'S#' |
unicode_ | compatible: Python unicode/str | 'U#' |
void | 'V#' |
字符代码中的 # 表示的是数字。
上面描述的字符代码，为了和Python的其他模块进行兼容，比如struct ，需要进行下面适当的修正：
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/
最通俗的解读，最深刻的干货，最简洁的教程，众多你不知道的小技巧等你来发现！
欢迎关注我的公众号:「程序那些事」,懂技术，更懂你！