6.4. Dtype 資料型別¶

ndarray 的元素型別就是它的 dtype。dtype 一次決定了三件事：每個元素佔用幾個位元組、這些位元組如何被解讀，以及陣列能儲存的數值範圍。選對 dtype 是影響相機 RAM 用量最關鍵的單一決定。

6.4.1. 支援的 dtype¶

相機上的 numpy 支援一小組 dtype：

並沒有 int32 或 int64，而且 OpenMV 的 ulab 建置版本並未啟用選用的 complex dtype。

請選擇與產生該資料的硬體相符的型別。8 位元的 ADC 取樣值適合用 uint8；12 位元的 ADC 取樣值可放進 uint16；來自灰階相機的亮度像素適合用 uint8 —— 比預設的 float 節省四倍的 RAM。

建立陣列上每一個建構函式的預設 dtype 都是 float。在處理感測器資料時，這很少是應用程式想要的。只要自然寬度較小，就明確傳入 dtype=：：

sensor = np.array(samples, dtype=np.uint16)

在沒有 dtype= 引數的情況下重新包裝一個整數陣列，會同時複製並轉換成 float，這既耗費時間又耗費 RAM。當效能很重要時，請指明 dtype。

dtype 會以陣列內部所帶的整數型別代碼讀回該陣列的 dtype：：

a = np.array([1, 2, 3], dtype=np.uint8)
print(a.dtype)            # 66 (the integer value of ``'B'``)

這些型別代碼整數與 numpy 模組上公開的常數相符 —— numpy.uint8、numpy.int8、numpy.uint16、numpy.int16、numpy.float、numpy.bool —— 因此將 dtype 與模組常數比較，就是指令碼根據陣列所持有的內容進行分支的方式：：

if a.dtype == np.uint8:
    ...  # uint8 branch

兩個不同 dtype 的陣列可以作為同一運算子的運算元。numpy 會依據一個簡短的表格挑選結果型別：

uint16 / int16 這一列會直接提升為 float，因為相機上的 numpy 沒有 32 位元的整數 dtype。

當二元運算子的某一側是 Python 純量時，該純量會被轉換成最小合適 dtype 的單元素陣列：123 變成 uint8 陣列，-1000 變成 int16，而 Python 的 float 則變成 float。

對兩個相同整數 dtype 陣列的運算會保留該 dtype，即使結果溢位也是如此。進位會被靜默地捨棄：：

a = np.array([200, 200], dtype=np.uint8)
b = np.array([100, 100], dtype=np.uint8)
print(a + b)

輸出：：

array([44, 44], dtype=uint8)

結果為 300 mod 256 == 44。當中間值需要的範圍超過輸入 dtype 所允許的範圍時，請先轉型：：

c = np.array(a, dtype=np.uint16) + b
# array([300, 300], dtype=uint16)

這條規則適用於每一個整數運算子 —— +、-、*、//、%、&、|、^。Float 陣列永遠不會溢位（它們會改為提升至無限大），因此這個轉型技巧只在整數的情況下才需要。