Numpy 中的数组比 Python 原生中的数组（只支持整数类型与浮点类型）强大的一点就是它支持更多的数据类型。
numpy常见的数据类型
| 数据类型 | 描述 |
|---|---|
| bool_ | 布尔（True或False），存储为一个字节 |
| int_ | 默认整数类型（与C long相同；通常为int64或int32） |
| intc | 与C int（通常为int32或int64）相同 |
| intp | 用于索引的整数（与C ssize_t相同；通常为int32或int64） |
| int8 | 字节（-128到127） |
| int16 | 整数（-32768到32767） |
| int32 | 整数（-2147483648至2147483647） |
| int64 | 整数（-9223372036854775808至9223372036854775807） |
| uint8 | 无符号整数（0到255） |
| uint16 | 无符号整数（0到65535） |
| uint32 | 无符号整数（0至4294967295） |
| uint64 | 无符号整数（0至18446744073709551615） |
| float_ | float64的简写。 |
| float16 | 半精度浮点：符号位，5位指数，10位尾数 |
| float32 | 单精度浮点：符号位，8位指数，23位尾数 |
| float64 | 双精度浮点：符号位，11位指数，52位尾数 |
| complex_ | complex128的简写。 |
| complex64 | 复数，由两个32位浮点（实数和虚数分量） |
| complex128 | 复数，由两个64位浮点（实数和虚数分量） |
以上这些数据类型都可以通过 np.bool_、np.float32等方式访问。
这些类型都可以在创建 ndarray 时通过参数 dtype 来指定。
a = np.arange(3, dtype=np.float16) a Out[107]: array([0., 1., 2.], dtype=float16) a.dtype Out[108]: dtype(‘float16‘)
此外，在创建 ndarray 对象时，也可以通过字符代码来替换，主要是为了保持与较旧包（例如Numeric）的向后兼容性。
np.array([1, 2, 3], dtype=‘f‘) Out[109]: array([1., 2., 3.], dtype=float32
要转换数组的类型，请使用.astype()方法（首选）或类型本身作为函数。
a Out[110]: array([0., 1., 2.], dtype=float16) a.astype(np.bool_) Out[111]: array([False, True, True]) np.bool_(a) Out[112]: array([False, True, True])
原文：https://www.cnblogs.com/zhangyafei/p/10566944.html