np.dtype与np.dtype.name的区别

Question

正如标题中所述，我愿意知道np.dtype和np.dtype.name之间的区别。当我使用它们时，我发现它们提供了如下所示的输出：

dt = np.array([[(1, 5, 2), (2, 4.0, 7)], [(6, 4, 2), (2, 8, 10)]])
print('\nData type of array elements:', dt.dtype)
print('\nName of data type:', dt.dtype.name)

输出是

数组元素的

数据类型: float64

数据类型名称: float64

Answer 1

In [62]: arr = np.array([[(1, 5, 2), (2, 4.0, 7)], [(6, 4, 2), (2, 8, 10)]])
In [63]: arr
Out[63]: 
array([[[ 1.,  5.,  2.],
        [ 2.,  4.,  7.]],

       [[ 6.,  4.,  2.],
        [ 2.,  8., 10.]]])

对于这个简单的dtype，name与str/print表示相同。

In [64]: arr.dtype
Out[64]: dtype('float64')      # the repr print
In [65]: arr.dtype.name
Out[65]: 'float64'
In [66]: print(arr.dtype)
float64

但是，在名称和显示不同的情况下，可以构造更复杂的dtype。例如，由于构造函数具有内部元组，所以我可以创建一个具有复合dtype的数组，即structured数组：

In [69]: arr = np.array([[(1, 5, 2), (2, 4.0, 7)], [(6, 4, 2), (2, 8, 10)]], dtype='i,f,f8')
In [70]: arr
Out[70]: 
array([[(1, 5.,  2.), (2, 4.,  7.)],
       [(6, 4.,  2.), (2, 8., 10.)]],
      dtype=[('f0', '<i4'), ('f1', '<f4'), ('f2', '<f8')])
In [71]: arr.dtype
Out[71]: dtype([('f0', '<i4'), ('f1', '<f4'), ('f2', '<f8')])
In [72]: arr.dtype.name
Out[72]: 'void128'
In [73]: arr.dtype.fields
Out[73]: 
mappingproxy({'f0': (dtype('int32'), 0),
              'f1': (dtype('float32'), 4),
              'f2': (dtype('float64'), 8)})

Answer 2

如果打印一个对象，它会问对象要打印什么，即它调用它为"repr“方法。Python对象总是这样的，但是您可以自己定义它们。例如。

class foo:
    def __init__(self):
        pass

print(foo())

给我<__main__.foo object at 0x10b737280>

而

class foo:
    def __init__(self):
        pass

    def __repr__(self):
        return "__repr__"

print(foo())

给我__repr__。

因此，numpy类型的对象float64有两个方法给出名称。一个是手动调用，另一个是python在请求对象的字符串表示时隐式调用，例如，如果您打印对象。

你可以这样看得更清楚

dt = np.array([[(1, 5, 2), (2, 4.0, 7)], [(6, 4, 2), (2, 8, 10)]])
print('Type of data type of array elements:', type(dt.dtype))
print('Type of name of data type:', type(dt.dtype.name)).

它给了你

Type of data type of array elements: <class 'numpy.dtype[float64]'>
Type of name of data type: <class 'str'>