1、檢視資料型別

In [11]: arr = np.array([1,2,3,4,5])

In [12]: arr
Out[12]: array([1, 2, 3, 4, 5])

// 該命令檢視資料型別
In [13]: arr.dtype
Out[13]: dtype('int64')

In [14]: float_arr = arr.astype(np.float64)

// 該命令檢視資料型別
In [15]: float_arr.dtype
Out[15]: dtype('float64')

2、轉換資料型別

// 如果將浮點數轉換為整數，則小數部分會被截斷
In [7]: arr2 = np.array
 
([1.1, 2.2, 3.3, 4.4, 5.3221])

In [8]: arr2
Out[8]: array([ 1.1   ,  2.2   ,  3.3   ,  4.4   ,  5.3221])

// 檢視當前資料型別
In [9]: arr2.dtype
Out[9]: dtype('float64')

// 轉換資料型別  float -> int
In [10]: arr2.astype(np.int32)
Out[10]: array([1, 2, 3, 4, 5], dtype=int32)

3、字串陣列轉換為數值型

In [4]: numeric_strings = np.array
 
(['1.2','2.3','3.2141'], dtype=np.string_)

In [5]: numeric_strings
Out[5]: array(['1.2', '2.3', '3.2141'], dtype='|S6')

// 此處寫的是float 而不是np.float64, Numpy很聰明，會將python型別對映到等價的dtype上
In [6]: numeric_strings.astype(float)
Out[6]: array([ 1.2, 2.3, 3.2141])