numpy的dtype是一個很重要的概念，因爲numpy爲了性能，優化了內存管理，ndarray的值在內存中幾乎是連續的，同時其每個元素的內存大小也被設計成是一樣的，因此，當生成ndarray時，每個元素的數據類型都會被轉爲相同的類型，這時如果原生的數據類型是不一樣的，那麼就涉及到一個數據類型轉換的問題，即data type casting。
明白numpy中的數據類型轉換可以有效的避免和理解很多的行爲，因爲numpy中很多的error往往都是有數據類型轉換引起的，所以理解numpy的數據類型轉換可以預防和排查很多的問題。首先，在numpy中有很多的數據類型，多於python內置數據類型，具體有哪些類型，可以參看下圖，下圖的columns和index是數據類型在numpy中的符號，具體的釋義可以查看這裏。下面，我們重點講一下numpy中關於數據類型以及轉換中容易碰到的陷進或者需要注意的點。
一、數據類型的表示
在numpy中，一個數據類型實際上是一個dtype對象，其有一些重要的屬性，比如字節順序、數據類型、字節數大小等，一般的，numpy中的數據類型會表示成類似'<i4'這樣，這個表示法中，<表示字節順序，i表示數據類型，這裏表示整數，4表示一個元素佔據的字節數，這裏4字節，表示32位整數。
二、構造ndarray時的dtype
在構造ndarray時，可以指定dtype參數來設置ndarray裏面元素的數據類型，這個dtype可以用'i4'這樣的表示方式，也可以用int表示，但是後者沒法指定字節數。要注意的是，指定dtype時，一定要確認這個dtype可以兼容所有元素，防止溢出或者不兼容，對此我們可以通過result_type(*array_like)來判斷我們應該設定的dtype，這個函數返回的dtype是可以兼容所有元素的最小size的數據類型；或者我們無需設定，其會自動進行數據類型的轉換，我們也可以通過ndarray.dtype屬性查看數據類型。Anyway,我們要有這種數據類型轉換的意識，因爲這會影響後續對ndarray的操作。
三、不同數據類型之間的轉換兼容性
numpy的數據類型之間能夠實現轉換，可以通過np.can_cast(fromtype,totype)這個函數來判斷，更詳細的可以查看下圖。
四、numpy對python對象數據類型'O'的處理
當numpy中有python獨有的原生數據類型，比如Decimal，那麼ndarray會被轉爲object數據類型，表示python對象數據類型，當然這裏也可以轉爲字符串，但是字符串對於np.nan往往會佔據更大的itemsize。
當numpy函數對dtype位object的ndarray處理時，會先把裏面的元素再進一步轉爲其他numpy的數據類型，這樣纔可以操作，所以這裏如果函數沒法或沒有指定類型參數，那麼會默認以第一個inner loop到的數據類型作爲所有元素的類型，並以此類型進行後續轉換，這時，對於object類型的ndarray來說，往往容易出現數據無法轉換成功的異常。所以要注意處理時第一個inner loop遇到的元素的類型是否可以兼容後面要處理的所有元素，不然會拋出異常。看下面的例子說明。
import numpy as np
from decimal import Decimal
arr=np.array([[1,2.0,3],['a',3,np.nan],[2,np.nan,Decimal('5')]])
arr1=np.apply_along_axis(lambda x:x[0],arr=arr,axis=1)
arr1
# output:
# ValueError: invalid literal for int() with base 10: 'a'
arr2=np.apply_along_axis(lambda x:x[1],arr=arr,axis=1)
arr2
# output:
# array([ 2., 3., nan])
arr2=np.apply_along_axis(lambda x:x[2],arr=arr,axis=1)
arr2
# output:
# array([ 3, -2147483648, 5])
從上面的例子中可以看到，arr1中，由於第一個inner loop遇到的元素是整數1，所以便會以整數類型對後續的元素進行轉換，但是後面的一個元素是字符'a'，無法將其轉爲int，因此就會報上述error；arr2中，第一個遇到的元素是2.0，爲float，所以後面的元素都會被轉爲float，因此輸出爲array([ 2., 3., nan])，其中都變成了float，要注意的是，由於np.nan本身就是一個浮點數，因此這裏可以正確的轉換，轉換之後還是np.nan；但是看arr2，由於第一個遇到的元素類型爲int32，後面的np.nan爲float64，會造成溢出，這樣便無法正確的轉換，從而會用int32最接近np.nan的值去替換，所以就是-2**31==-2147483648，這裏之所以是2**31，而不是2**32-1，是因爲這裏的int是signed int，即有正負號的int，所以其範圍是-2**31~2**31-1；而Decimal('5')被轉爲了int 5，所以就出現了上述的結果。
所以，當要被轉成ndarray的原始數據中有np.nan時，要特別注意這一點，最好是指定float類型，注意其他數據的兼容；而如果同時又是obejct數據類型時，那麼同時也要注意第一個inner loop遇到的元素的數據類型，注意和後面的數據類型保持兼容。
五、結語
numpy的dtype有諸多陷進，需要小心對待，謹慎覈查，然後靈活運用。