Python仅定义特定数据类的一种类型（只有一种整数类型，一种浮点类型等）。在不需要关注计算机中数据表示方式的所有应用程序中，这很方便。但是，对于科学计算，通常需要更多的控制。
在NumPy中，有24种新的基本Python类型来描述不同类型的标量。这些类型描述符主要基于编写CPython的C语言中可用的类型，以及与Python类型兼容的其他几种类型。
数组标量具有与相同的属性和方法ndarrays。1这样一来，就可以部分地将数组项与数组放在相同的基础上，从而平滑混合标量和数组操作时产生的粗糙边缘。
数组标量位于数据类型的层次结构中（请参见下图）。可以使用层次结构检测到它们：例如，如果val是一个数组标量对象，
则将返回。或者，可以使用数据类型层次结构的其他成员来确定存在哪种数组标量。因此，例如
将返回如果VAL是一个复值的类型，而
如果将返回true VAL是柔性itemsize阵列类型中的一种（，
，）。isinstance(val, np.generic)Trueisinstance(val, np.complexfloating)Trueisinstance(val, np.flexible)stringunicodevoid
图：表示数组数据类型的类型对象的层次结构。这两个整数类型未显示intp，
uintp它们仅指向保存平台指针的整数类型。所有数字类型也可以使用位宽名称获得。¶
但是，数组标量是不可变的，因此无法设置数组标量属性。
内置标量类型如下所示。连同它们的（主要是）C衍生的名称时，整数，浮点数，和复杂的数据类型也可使用位宽度约定，以便正确的大小的阵列可以总是确保（例如int8，float64，
complex128）。还提供了两个别名（intp和uintp），它们分别指向足够容纳C指针的整数类型。类似于C的名称与字符代码相关联，如表所示。但是，不建议使用字符代码。
一些标量类型本质上等效于基本Python类型，因此从它们以及从通用数组标量类型继承：
数组标量类型 |
相关Python类型 |
|---|---|
|
|
|
|
|
|
|
|
|
|
该bool_数据类型是非常类似的Python
BooleanType，但不继承它，因为Python的
BooleanType不允许自己被继承，并在C级的实际布尔数据的大小是不一样的一个Python布尔标量。
警告
该bool_类型不是该类型的子类int_（bool_甚至不是数字类型）。这与Python bool作为int的子类的默认实现不同。
小费
NumPy中的默认数据类型为float_。
在下表中，platform?表示该类型可能并非在所有平台上都可用。指出了与不同C或Python类型的兼容性：如果两种类型的数据大小相同且以相同的方式解释，则这两种类型是兼容的。
布尔值：
类型 |
备注 |
字符码 |
|---|---|---|
|
兼容：Python bool |
|
|
8位 |
整数：
|
兼容：C char |
|
|
兼容：C短 |
|
|
兼容：C int |
|
|
兼容：Python int |
|
|
兼容：C长长 |
|
|
足够大以适合指针 |
|
|
8位 |
|
|
16位 |
|
|
32位 |
|
|
64位 |
无符号整数：
|
兼容：C unsigned char |
|
|
兼容：C unsigned short |
|
|
兼容：C unsigned int |
|
|
兼容：Python int |
|
|
兼容：C长长 |
|
|
足够大以适合指针 |
|
|
8位 |
|
|
16位 |
|
|
32位 |
|
|
64位 |
浮点数字：
|
|
|
|
兼容：C float |
|
|
兼容：C double |
|
|
兼容：Python float |
|
|
兼容：C长浮点 |
|
|
16位 |
|
|
32位 |
|
|
64位 |
|
|
96位，平台？ |
|
|
128位，平台？ |
复数浮点数：
|
|
|
|
兼容：Python复合体 |
|
|
|
|
|
两个32位浮点数 |
|
|
两个64位浮点数 |
|
|
两个96位浮点数，平台？ |
|
|
两个128位浮点数，平台？ |
任何Python对象：
|
任何Python对象 |
|
注意
实际存储在对象数组（即具有dtype的数组object_）中的数据是对Python对象的引用，而不是对象本身。因此，对象数组的行为就更像普通的Python lists，就意味着它们的内容不必是相同的Python类型。
对象类型也很特殊，因为包含object_项的数组
不会object_在项访问时返回对象，而是返回数组项所引用的实际对象。
以下数据类型是灵活的：它们没有预定义的大小，并且它们描述的数据在不同的数组中可以具有不同的长度。（在字符代码中，#是一个整数，表示数据类型由多少个元素组成。）
|
兼容：Python字节 |
|
|
兼容：Python unicode / str |
|
|
|
警告
请参见有关字符串类型的注释。
数字兼容性：如果您在数字代码中使用了旧的打字字符（从未建议过），则需要将其中一些更改为新字符。尤其是，需要改变，，，，，和。这些更改使类型字符约定与其他Python模块（例如模块）更加一致
。c -> S1b -> B1 -> bs -> hw ->
Hu -> Istruct
数组标量对象的
（-1,000,000.0）。它们也没有
属性。否则，它们与数组共享相同的属性：array priorityNPY_SCALAR_PRIORITYctypes
标志的整数值 |
|
数组维度的元组 |
|
每个维度的字节元组步骤 |
|
数组维数 |
|
数据开始的指针 |
|
基因型中元素的数量 |
|
一个元素的长度（以字节为单位） |
|
基础对象 |
|
获取数组数据描述符 |
|
标量的实部 |
|
标量的虚部 |
|
标量的一维视图 |
|
转置 |
|
数组协议：Python端 |
|
数组协议：struct |
|
阵列优先级。 |
|
sc .__ array_wrap __（obj）从数组返回标量 |
也可以看看
数组标量可以像0维数组一样索引：如果x是数组标量，
x[()] 返回数组标量的副本
x[...] 返回一个0维 ndarray
x['field-name']在字段field-name中返回数组标量。（例如，当x对应于结构化数据类型时，可以具有字段。）
数组标量具有与数组完全相同的方法。这些方法的默认行为是在内部将标量转换为等效的0维数组并调用相应的数组方法。此外，阵列标量的数学运算被定义，使得在相同的硬件标志被设置，并用于解释结果作为ufunc，使得用于ufuncs错误状态也延续到上阵列标量的数学。
上述规则的例外情况如下：
numpy标量类型的基类。 |
|
sc .__ array __（dtype）从标量中返回具有指定dtype的0维数组 |
|
sc .__ array_wrap __（obj）从数组返回标量 |
|
未实现（虚拟属性） |
|
未实现（虚拟属性） |
|
泡菜的助手。 |
|
未实现（虚拟属性） |
有两种方法可以有效地定义新的数组标量类型（除了从内置标量类型构成结构化类型dtypes之外）：一种方法是简单地将子类化
ndarray并覆盖感兴趣的方法。这将在一定程度上起作用，但是在内部，某些行为由数组的数据类型固定。要完全自定义数组的数据类型，您需要定义一个新的数据类型，并将其注册到NumPy。此类新类型只能使用NumPy C-API在C中定义。
