标量
Python只定义了一种特定数据类（只有一种整数类型，一种浮点类型等）。这在不需要关心数据在计算机中表示的所有方式的应用中是方便的。然而，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CPython编写的C语言中可用的类型，其他几种类型与Python的类型兼容。
数组标量具有与之相同的属性和方法ndarrays。[1]这允许人们将数组中的项目部分地放在与数组相同的基础上，从而平滑混合标量和数组操作时产生的粗糙边缘。
数组标量存在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它们：例如，如果Val是数组标量对象，则 isinstance(val，np.generic) 将返回 True。 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，如果val是复数值类型，则 isinstance(val，np.complexfloat) 将返回 True， 而如果 val 是灵活的itemsize数组类型之一（string、unicode、void）， 则 isinstance(val，np.Flexible) 将返回 True。
图：表示数组数据类型的类型对象的层次结构。 未示出两种整数类型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。
[1]但是，数组标量是不可变的，因此没有数组标量属性可以设置。
内置标量类型
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，以便正确的大小的数组可以总是确保（例如int8，float64， complex128）。还提供了两个别名（intp和uintp）指向足以容纳C指针的整数类型。类似C的名称与字符代码相关联，如表中所示。但是，不鼓励使用字符代码。
一些标量类型基本上等同于基本的Python类型，因此从它们以及通用数组标量类型继承：
| 数组标量类型 | 相关的Python类型 |
|---|---|
| int_ | IntType （仅限Python 2） |
| float_ | FloatType |
| complex_ | ComplexType |
| bytes_ | BytesType |
| unicode_ | UnicodeType |
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。
NumPy中的默认数据类型是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具有相同的大小并以相同的方式解释，则它们是兼容的。
布尔（Booleans）：
| 类型 | 备注 | 字符代码 |
|---|---|---|
| bool_ | 兼容：Python bool | '?' |
| bool8 | 8位 |
整数（Integers）：
| 类型 | 备注 | 字符代码 |
|---|---|---|
| byte | 兼容：C char | 'b' |
| short | 兼容：C短 | 'h' |
| intc | 兼容：C int | 'i' |
| int_ | 兼容：Python int | 'l' |
| longlong | 兼容：C长 | 'q' |
| intp | 大到足以适合指针 | 'p' |
| int8 | 8位 | |
| int16 | 16位 | |
| int32 | 32位 | |
| int64 | 64位 |
无符号整数（Unsigned integers）：
| 类型 | 备注 | 字符代码 |
|---|---|---|
| ubyte | compatible：C unsigned char | 'B' |
| ushort | 兼容：C unsigned short | 'H' |
| uintc | compatible：C unsigned int | 'I' |
| uint | 兼容：Python int | 'L' |
| ulonglong | 兼容：C长 | 'Q' |
| uintp | 大到足以适合指针 | 'P' |
| uint8 | 8位 | |
| uint16 | 16位 | |
| uint32 | 32位 | |
| uint64 | 64位 |
浮点数字（Floating-point numbers）：
| 类型 | 备注 | 字符代码 |
|---|---|---|
| half | 'e' | |
| single | 兼容：C浮动 | 'f' |
| double | 兼容：C双 | |
| float_ | 兼容：Python float | 'd' |
| longfloat | 兼容：C长浮 | 'g' |
| float16 | 16位 | |
| float32 | 32位 | |
| float64 | 64位 | |
| float96 | 96位，平台？ | |
| float128 | 128位，平台？ |
复杂的浮点数（Complex floating-point numbers）：
| 类型 | 备注 | 字符代码 |
|---|---|---|
| csingle | 'F' | |
| complex_ | 兼容：Python复杂 | 'D' |
| clongfloat | 'G' | |
| complex64 | 两个32位浮点数 | |
| complex128 | 两个64位浮点数 | |
| complex192 | 两个96位浮动平台？ | |
| complex256 | 两个128位浮点数，平台？ |
任何Python对象（Any Python object）：
| 类型 | 备注 | 字符代码 |
|---|---|---|
| object_ | 任何Python对象 | 'O' |
注意
实际存储在对象数组中的数据（ 即 具有dtype的数组object_）是对Python对象的引用，而不是对象本身。因此，对象数组的行为更像普通的Python lists，因为它们的内容不必是相同的Python类型。
对象类型也是特殊的，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，表示数据类型包含多少个元素。）
| 类型 | 备注 | 字符代码 |
|---|---|---|
| bytes_ | 兼容：Python字节 | 'S#' |
| unicode_ | 兼容：Python unicode / str | 'U#' |
| void | 'V#' |
警告
请参阅字符串类型的注解。
数字兼容性：如果您在数字代码中使用了旧的类型代码字符（从未推荐过）， 则需要将其中一些更改为新字符。 特别是，所需的更改是 c -> S1, b -> B, 1 -> b, s -> h, w -> H 和 u -> I。 这些更改使类型字符约定与其他Python更加一致 诸如 struct 模块之类的模块。
属性
数组标量对象的 数组优先级 为NPY_SCALAR_PRIORITY (-1，000，000.0)。它们也(还)没有 ctypes 属性。否则，它们与数组共享相同的属性：
| 方法 | 描述 |
|---|---|
| generic.flags | 标志的整数值 |
| generic.shape | 数组维度的元组 |
| generic.strides | 每个维度中的字节元组步骤 |
| generic.ndim | 数组维数 |
| generic.data | 指向数据开始的指针 |
| generic.size | gentype中的元素数量 |
| generic.itemsize | 一个元素的长度，以字节为单位 |
| generic.base | 基础对象 |
| generic.dtype | 获取数组数据描述符 |
| generic.real | 标量的真实部分 |
| generic.imag | 标量的虚部 |
| generic.flat | 标量的一维视图 |
| generic.T | 颠倒 |
| generic.array_interface | 数组协议：Python端 |
| generic.array_struct | 数组协议：struct |
| generic.array_priority | 数组优先级。 |
| generic.array_wrap() | sc .__ array_wrap __（obj）从数组返回标量 |
索引
另见
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0维ndarrayx['field-name']返回字段 field-name中 的数组标量。（例如， x 可以包含字段，当它对应于结构化数据类型时。）
方法
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，数组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通函数（ufunc）， 使得用于ufuncs错误状态也延续到上数组标量的数学。
以上规则的例外情况如下：
| 方法 | 描述 |
|---|---|
| generic | numpy标量类型的基类。 |
| generic.array() | sc .__ array __（dtype）从带有指定dtype的标量返回0-dim数组 |
| generic.array_wrap() | sc .__ array_wrap __（obj）从数组返回标量 |
| generic.squeeze() | 未实现（虚拟属性） |
| generic.byteswap() | 未实现（虚拟属性） |
| generic.reduce() | 泡菜的助手 |
| generic.setstate() | |
| generic.setflags() | 未实现（虚拟属性） |
定义新类型
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组合结构化类型dtypes）：一种方法是简单地子类化 ndarray并覆盖感兴趣的方法。 这将在一定程度上起作用，但内部某些行为由数组的数据类型修复。要完全自定义数组的数据类型， 您需要定义新的数据类型，并使用NumPy进行注册。 这些新类型只能使用NumPy C-API在C中定义。