dtype(數據類型)是一個特殊的對象，它含有ndarray將一塊內存解釋為特定數據類型所需的信息：

arr1 = np.array([1, 2, 3,],dtype = np.float64)arr2 = np.array([1, 2, 3,],dtype = np.float32)arr1.dtype

out：

dtype('float64')arr2.dtype

out：

dtype('float32')

你可以通過ndarray的astype方法明確地將一個數組從一個dtype轉換成另一個dtype：

arr = np.array([1, 2, 3, 4, 5, 6, 7])arr.dtype

out：

dtype('float32')

float_arr = arr.astype(np.float64)float_arr.dtype

out：

dtype('float64')

在本例中，整數被轉換成了浮點數。如果將浮點數轉換成整數，則小數部分將會被截取刪除：

arr = np.array([3.7, -1.2, -2.6, 0.5, 12.9, 10.1])arr

out:

array([ 3.7, -1.2, -2.6, 0.5, 12.9, 10.1])arr.astype(np.int32)

out:

array([ 3, -1, -2, ?0, 12, 10])

如果某字符串數組表示的全是數字，也可以用astype將其轉換為數值形式

numeric_strings = np.array(['1.25', '-9.6', '42'], dtype=np.string_)numeric_strings.astype(float)

out：

array([ 1.25, -9.6 , 42. ])

注意：使用numpy.string_類型時，一定要小心，因為NumPy的字符串數據是大小固定的，發生截取時，不會發出警告。pandas提供了更多非數值數據的便利的處理方法。

如果轉換過程因為某種原因而失敗了(比如某個不能被轉換為float64的字符串)，就會引發一個ValueError。這里，我比較懶，寫的是float而不是np.float64；NumPy很聰明，它會將Python類型映射到等價的dtype上。

數組的dtype還有另一個屬性：

int_array = np.arange(10)calibers = np.array([.22, .270, .357, .380, .44, .50], dtype=np.float64)int_array.astype(calibers.dtype)

out:

array([0., 1., 2., 3., 4., 5., 6., 7., 8., 9.])

你還可以用簡潔的類型代碼來表示dtype：

empty_uint32 = np.empty(8, dtype='u4')empty_uint32

out:

array([1, 2, 3, 4, 5, 6, 7, 8], dtype=uint32)

調用astype總會創建一個新的數組(一個數據的備份)，即使新的dtype與舊的dtype相同。

下期我們將分享Numpy數組的運算，如果喜歡請點贊收藏，您的支持是我最大的動力，謝謝大家，共同進步。

總結

以上是生活随笔為你收集整理的从数据类型 nvarchar 转换为 numeric 时出错_Python数据分析类库系列Numpy之ndarray的数据类型...的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。