数组类型和类型之间的转换
NumPy比Python支持更多的数据类型，本文主要介绍哪些可用，以及如何修改数组的数据类型。
支持的基本类型与C中的基本类型紧密相关：
由于许多具有平台相关的定义，因此提供了一组固定大小的别名：
NumPy数值类型是dtype（数据类型）对象的实例，每个对象都有其独特的特征，导入NumPy后，可使用
在dtypes可作为np.bool_、p.float32等等
有5种基本的数值类型，分别代表布尔（bool），整数（int），无符号整数（uint）浮点（float）和复数。名称中带有数字的，数字则表示该类型的位大小（即，需要多少位来表示内存中的单个值）。某些类型（例如int和 intp）具有不同的位大小，具体取决于平台（例如32位和64位计算机）。在与寻址原始内存的低级代码（例如C或Fortran）接口时，应当考虑到这一点。
数据类型可以用作将python数字转换为数组标量的函数，数字的python序列至该类型的数组，也可以用作许多numpy函数或方法接受的dtype关键字的参数。例如：
数组类型也可以使用字符代码来指代，主要是为了保持与诸如Numeric之类的旧程序包的向后兼容性。一些文档可能仍然引用这些文档，例如：
建议改为使用dtype对象。
要转换数组的类型，请使用.astype（）方法（首选）或将类型本身用作函数。例如：
请注意，在上面，我们将Python
float对象用作dtype。NumPy知道int表示np.int_，bool表示np.bool_，float是np.float_，complex是np.complex_。 其它数据类型没有Python等效项。
要确定数组的类型，就要查看dtype属性：
dtype对象还包含有关类型的信息，例如其位宽和字节顺序。数据类型也可以间接用于查询该类型的属性，例如是否为整数：
数组标量
NumPy通常以数组标量（具有关联的dtype的标量）的形式返回数组的元素。数组标量与Python标量不同，但是它们在大多数情况下可以互换使用（主要的例外是v2.x之前的Python版本，其中整数数组标量不能用作列表和元组的索引）。但有一些例外，例如，当代码需要标量的非常特定的属性时，或者当代码专门检查某个值是否为Python标量时。通常，存在的问题很容易被显式转换阵列标量到Python标量，采用相应的Python类型功能固定的（例如，int，float，complex，str，unicode）。
使用数组标量的主要优点是它们保留了数组类型（例如，Python可能没有可用的匹配标量类型int16）。因此，使用数组标量可以确保数组和标量之间的行为相同，而不管该值是否在数组内部。NumPy标量也具有许多与数组相同的方法。
溢出错误
当值需要的数据量大于数据类型中可用的内存时，NumPy数值类型的固定大小可能会导致溢出错误。例如， 正确numpy.power评估64位整数，但给出32749整数的1874919424（不正确）。100 * 10 ** 8
NumPy和Python整数类型的行为对于整数溢出有显著差异，并且可能会使期望NumPy整数的行为类似于Python int的人感到困惑。与NumPy不同，Python int的大小很灵活。这意味着Python整数可以扩展以容纳任何整数，并且不会溢出。
NumPy提供numpy.iinfo并numpy.finfo分别验证NumPy整数和浮点值的最小值或最大值。
如果64位整数仍然太小，则结果可能会强制转换为浮点数。浮点数提供了更大但不精确的可能值范围。
如果你想学习Python，但是找不到学习路径和资源，欢迎来指尖编程。
