Python中dtypes和dtype用法

### Python 中 `dtype` 的定义 在 Python 数据分析库 NumPy 和 Pandas 中，`dtype` 是用于描述数组或 DataFrame 列的数据类型的属性。对于 NumPy 数组而言，`dtype` 描述了每个元素的类型及其内存布局[^3]。 ```python import numpy as np data = np.array([1, 2, 3]) print(data.dtype) # int64 ``` Pandas 扩展了这一概念，在 Series 或者 DataFrame 中可以有多种不同的数据类型，并通过 `.dtypes` 属性来获取整个结构中的每列数据类型[^1]。 ```python import pandas as pd df = pd.DataFrame({ 'A': [1, 2], 'B': ['a', 'b'] }) print(df.dtypes) ``` ### 使用方法 #### 查看数据类型 可以通过调用对象上的特定方法或属性来检查当前使用的数据类型： - 对于单个数值型变量可以直接访问其 `dtype` 属性。 - 对于更复杂的数据容器如 Pandas 的 Series 或 DataFrame，则应分别使用 `.dtype`, `.dtypes` 方法。 ```python series_example = pd.Series([1, 2, 3], dtype='float') print(series_example.dtype) frame_example = pd.DataFrame({'col1': range(5), 'col2': list('abcde')}) print(frame_example.dtypes) ``` #### 设置自定义数据类型 当创建新的数组或导入外部数据源时，可以选择指定所需的数据类型以优化性能或节省空间。这通常是在初始化阶段完成的。 ```python custom_type_array = np.array([[1.0, 2.0], [3.0, 4.0]], dtype=np.float32) print(custom_type_array.dtype) custom_df = pd.DataFrame( {'numbers': [1, 2, 3]}, dtype=float ) print(custom_df['numbers'].dtype) ``` ### 数据类型转换 有时需要改变现有数据集内的某些部分甚至全部的数据类型。为此提供了若干种方式来进行这种转变： - **NumPy**: 可利用 astype 函数实现快速且高效的数据类型变换。 ```python float_to_int = custom_type_array.astype(int) print(float_to_int.dtype) ``` - **Pandas**: 提供了更为灵活的方法——astype() 来处理复杂的表格化数据，允许逐列更改类型而不影响其他字段的内容。 ```python changed_types = frame_example.astype({"col1": "category", "col2": str}) print(changed_types.dtypes) ```