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 Timedelta64
import 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"<"或大端法">"，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"<"或">"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('输出：
int32
例三：
本例定义一个结构化数据类型 student，包含字符串字段 name，整数字段 age，并将这个 dtype 应用到 ndarray 对象。
import numpy as np
student = np.dtype([('name', 'S20'), ('age', 'i1')])
print(student)
a = np.array([('tom', 21), ('Jerry', 18)], dtype=student)
print(a)
输出：
[('name', 'S20'), ('age', 'i1')]
[(b'tom', 21) (b'Jerry', 18)]
Ⅱ、字符代码
| 字符代码 | 对应类型 |
|---|---|
| b | 布尔型 |
| i | 有符号整型，'i1', 'i2', 'i4', 'i8' 对应 int8, int16, int32, int64 |
| u | 无符号整型，'u1', 'u2', 'u4', 'u8' 对应 uint8, uint16, uint32, uint64 |
| f | 浮点型，'f2', 'f4', 'f8' 对应 float16, float32, float64 |
| c | 复数，'c8', 'c16' 对应 complex64, complex128 |
| m | timedelta64（时间间隔），本质上是个 int64 |
| M（大写） | datetime64（日期时间） |
| O（大写） | Python 对象 |
| S（大写）/ a | (byte-)字符串，只能包含 ASCII 码字符，S 或 a 后带数字表示字符串长度，超出部分将被截断，例如 S20、a10 |
| U（大写） | Unicode 字符串，U 后带数字表示字符串长度，超出部分将被截断，例如 U20 |
| V（大写） | bytes 数组，V 后带数字表示数组长度，超出部分将被截断，不足则补零 |
这里主要讲下 M 和 V 的使用，其他都比较简单好理解，可以看上面的例子。
字符代码 M 的使用示例：
import numpy as np
student = np.dtype([('name', 'S4'), ('age', 'M8[D]')])
print(student)
a = np.array([('tom', '2011-01-01'), ('Jerry', np.datetime64('2012-05-17'))], dtype=student)
print(a)
print(a['age'].dtype)
输出：
[('name', 'S4'), ('age', '这里必须写成 M8[单位]，不加单位报：Cannot cast NumPy timedelta64 scalar from metadata [D] to according to the rule 'same_kind'。
字符代码 V 的使用示例：
import numpy as np
student = np.dtype([('name', 'V8'), ('age', 'i1')])
print(student)
a = np.array([(b'tom', 21), (b'Jerry', 18)], dtype=student)
print(a)
print(a['name'].dtype)
输出：
[('name', 'V8'), ('age', 'i1')]
[(b'\x74\x6F\x6D\x00\x00\x00\x00\x00', 21)
(b'\x4A\x65\x72\x72\x79\x00\x00\x00', 18)]
|V8
4、numpy.datetime_data
语法：
numpy.datetime_data(dtype, /)
参数：只能是 datetime64 或 timedelta64 类型
返回值：返回一个元组 ('单位', 步长)
例一：
import numpy as np
dt_25s = np.dtype('timedelta64[25s]')
print(np.datetime_data(dt_25s))
输出：
('s', 25)
例二：
import numpy as np
dt_25s = np.dtype('timedelta64[25s]')
b = np.array([1, 2, 3, 4, 5], dt_25s).astype('timedelta64[s]')
print(b)
print(b.dtype)
输出：
[ 25 50 75 100 125]
timedelta64[s]
本例中，b 是一个 narray，数据类型从 timedelta64[25s] 转成了 timedelta64[s]，所以数组中每个数都要乘以 25。
5、numpy.datetime_as_string
将日期时间数组转换为字符串数组。
语法：
numpy.datetime_as_string(arr, unit=None, timezone='naive', casting='same_kind')
| 参数 | 描述 |
|---|---|
| arr | datetimes64 数组 |
| unit | 'auto' 或者 datetime64 单位。 |
| timezone | 时区 |
| casting | 在日期时间单位之间进行更改时允许进行转换。有以下可选值：'no', 'equiv', 'safe', 'same_kind', 'unsafe'。 |
例一：
import numpy as np
dt_array = np.arange('2019-03-01', '2019-03-10', dtype='datetime64[D]')
str_array = np.datetime_as_string(dt_array)
print(str_array)
print(str_array.dtype)
输出：
['2019-03-01' '2019-03-02' '2019-03-03' '2019-03-04' '2019-03-05'
'2019-03-06' '2019-03-07' '2019-03-08' '2019-03-09']
例二：unit的使用示例
默认情况下，unit=None，如果数组中的 datetime64 元素单位不一致，则会统一转化为其中最小的单位形式输出，如果 unit='auto' 则会保持原样输出。当然，如果指定了单位，则按指定的单位格式输出。
import numpy as np
dt_array = np.array(['2019-03', '2019-03-08', '2019-03-08 20:00'], dtype='datetime64')
str_array1 = np.datetime_as_string(dt_array)
str_array2 = np.datetime_as_string(dt_array, unit='auto')
str_array3 = np.datetime_as_string(dt_array, unit='D')
print(str_array1)
print(str_array2)
print(str_array3)
输出：
['2019-03-01T00:00' '2019-03-08T00:00' '2019-03-08T20:00']
['2019-03-01' '2019-03-08' '2019-03-08T20:00']
['2019-03-01' '2019-03-08' '2019-03-08']
