python - 如何识别python中的numpy类型？

Question

如何可靠地确定对象是否具有 numpy 类型？

我意识到这个问题违背了鸭子类型的哲学，但想法是确保一个函数（使用 scipy 和 numpy）永远不会返回一个 numpy 类型，除非它被一个 numpy 类型调用。 这出现在另一个问题的解决方案中，但我认为确定对象是否具有 numpy 类型的一般问题与应该将它们分开的原始问题相距甚远。

Answer 1

使用内置type函数获取类型，然后您可以使用__module__属性找出它的定义位置：

>>> import numpy as np
a = np.array([1, 2, 3])
>>> type(a)
<type 'numpy.ndarray'>
>>> type(a).__module__
'numpy'
>>> type(a).__module__ == np.__name__
True

Answer 2

我想出的解决方案是：

isinstance(y, (np.ndarray, np.generic) )

但是，并不是 100% 清楚所有 numpy 类型都保证是np.ndarrayor np.generic，这可能不是版本健壮的。

Answer 3

老问题，但我用一个例子想出了一个明确的答案。保持问题新鲜不会有什么坏处，因为我遇到了同样的问题并且没有找到明确的答案。关键是确保你已经numpy导入，然后运行isinstancebool。虽然这看起来很简单，但如果您正在对不同的数据类型进行一些计算，那么这个小检查可以在您开始一些 numpy 矢量化操作之前作为快速测试。

##################
# important part!
##################

import numpy as np

####################
# toy array for demo
####################

arr = np.asarray(range(1,100,2))

########################
# The instance check
######################## 

isinstance(arr,np.ndarray)

Answer 4

这实际上取决于你在寻找什么。

• 如果你想测试一个序列是否真的是 a ndarray， aisinstance(..., np.ndarray)可能是最简单的。确保不要在后台重新加载 numpy，因为模块可能不同，否则，你应该没问题。MaskedArrays, matrix,recarray都是 的子类ndarray，所以应该设置。
• 如果你想测试一个标量是否是一个 numpy 标量，事情会变得有点复杂。你可以检查它是否有一个shape和一个dtype属性。您可以将其dtype与基本 dtypes 进行比较，您可以在 中找到其列表np.core.numerictypes.genericTypeRank。请注意，此列表的元素是字符串，因此您必须执行tested.dtype is np.dtype(an_element_of_the_list)...

Answer 5

要获取类型，请使用内置type函数。使用in运算符，您可以通过检查它是否包含字符串来测试该类型是否为 numpy 类型numpy；

In [1]: import numpy as np

In [2]: a = np.array([1, 2, 3])

In [3]: type(a)
Out[3]: <type 'numpy.ndarray'>

In [4]: 'numpy' in str(type(a))
Out[4]: True

（顺便说一下，这个例子是在IPython中运行的。对于交互式使用和快速测试来说非常方便。）

Answer 6

请注意，它本身type(numpy.ndarray)是 atype并注意布尔和标量类型。如果它不直观或不简单，不要太沮丧，一开始会很痛苦。

另请参阅： - https://docs.scipy.org/doc/numpy-1.15.1/reference/arrays.dtypes.html - https://github.com/machinalis/mypy-data/tree/master/numpy-我的

>>> import numpy as np
>>> np.ndarray
<class 'numpy.ndarray'>
>>> type(np.ndarray)
<class 'type'>
>>> a = np.linspace(1,25)
>>> type(a)
<class 'numpy.ndarray'>
>>> type(a) == type(np.ndarray)
False
>>> type(a) == np.ndarray
True
>>> isinstance(a, np.ndarray)
True

布尔值的乐趣：

>>> b = a.astype('int32') == 11
>>> b[0]
False
>>> isinstance(b[0], bool)
False
>>> isinstance(b[0], np.bool)
False
>>> isinstance(b[0], np.bool_)
True
>>> isinstance(b[0], np.bool8)
True
>>> b[0].dtype == np.bool
True
>>> b[0].dtype == bool  # python equivalent
True

标量类型更有趣，请参阅： - https://docs.scipy.org/doc/numpy-1.15.1/reference/arrays.scalars.html#arrays-scalars-built-in

>>> x = np.array([1,], dtype=np.uint64)
>>> x[0].dtype
dtype('uint64')
>>> isinstance(x[0], np.uint64)
True
>>> isinstance(x[0], np.integer)
True  # generic integer
>>> isinstance(x[0], int)
False  # but not a python int in this case

# Try matching the `kind` strings, e.g.
>>> np.dtype('bool').kind                                                                                           
'b'
>>> np.dtype('int64').kind                                                                                          
'i'
>>> np.dtype('float').kind                                                                                          
'f'
>>> np.dtype('half').kind                                                                                           
'f'

# But be weary of matching dtypes
>>> np.integer
<class 'numpy.integer'>
>>> np.dtype(np.integer)
dtype('int64')
>>> x[0].dtype == np.dtype(np.integer)
False

# Down these paths there be dragons:

# the .dtype attribute returns a kind of dtype, not a specific dtype
>>> isinstance(x[0].dtype, np.dtype)
True
>>> isinstance(x[0].dtype, np.uint64)
False  
>>> isinstance(x[0].dtype, np.dtype(np.uint64))
Traceback (most recent call last):
  File "<console>", line 1, in <module>
TypeError: isinstance() arg 2 must be a type or tuple of types
# yea, don't go there
>>> isinstance(x[0].dtype, np.int_)
False  # again, confusing the .dtype with a specific dtype


# Inequalities can be tricky, although they might
# work sometimes, try to avoid these idioms:

>>> x[0].dtype <= np.dtype(np.uint64)
True
>>> x[0].dtype <= np.dtype(np.float)
True
>>> x[0].dtype <= np.dtype(np.half)
False  # just when things were going well
>>> x[0].dtype <= np.dtype(np.float16)
False  # oh boy
>>> x[0].dtype == np.int
False  # ya, no luck here either
>>> x[0].dtype == np.int_
False  # or here
>>> x[0].dtype == np.uint64
True  # have to end on a good note!