【NumPy】dtypeで指定できる主なデータ型と用途

Pythonライブラリ「NumPy」のdtype 引数で指定できる主なデータ型の種類や用途について詳しく解説します。

主なデータ型と用途
関連コンテンツ

主なデータ型と用途

NumPyで配列を生成する際、dtype 引数で指定できる主なデータ型は以下のとおりです。

種類	説明	主な用途
bool	論理値型	真偽値の判定、マスク処理
int_	OS 依存の整数型（64bit OS なら 64bit）	一般的な整数計算（特に型を気にしない場合）
int8	8 ビット整数	メモリ節約が必要な大量データ、軽量な整数処理
int16	16 ビット整数	センサー値、軽量な数値データ
int32	32 ビット整数	一般的な整数計算（標準的な精度）
int64	64 ビット整数	高精度の整数計算、大きな値を扱う場合
uint8	8 ビット符号なし整数	画像処理（RGB画像は通常 uint8）
uint16	16 ビット符号なし整数	高ダイナミックレンジ画像、センサー値
uint32	32 ビット符号なし整数	大きな正の整数を扱う場合
uint64	64 ビット符号なし整数	かなり大きな正の整数を扱う場合
float16	16 ビット浮動小数点	メモリ節約、軽量な機械学習モデル
float32	32 ビット浮動小数点	機械学習・深層学習の標準的な実数型
float64	64 ビット浮動小数点	科学計算・統計解析など高精度が必要な場合
complex64	64 ビット複素数	信号処理、フーリエ変換（軽量版）
complex128	128 ビット複素数	高精度の複素数計算、科学技術計算

NumPyの配列は、型推定が行われますが配列生成のメソッドで引数dtypeで型を指定することもできます。
また、配列のデータ型はdtype属性で確認できます。

# -*- coding: utf-8 -*-
import numpy as np

x = np.array([1, 2, 3])
print(x.dtype) # int32

y = np.array([1., 2., 3.])
print(y.dtype) # float64

z = np.array([1, 2, 3], dtype='float64')
print(z.dtype) # float64