如何在python中识别numpy类型？

如何可靠地确定一个对象是否具有numpy类型？

我意识到这个问题与鸭子类型的哲学背道而驰，但是我们的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，除非使用numpy类型进行调用。 这是另一个问题的解决方案，但是我认为确定对象是否具有numpy类型的一般问题与原始问题相距甚远，因此应将它们分开。

使用内置type函数获取类型，然后可以使用该__module__属性找出定义的位置：

>>> 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

我想出的解决方案是：

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

但是，并不是所有的numpy类型都保证是np.ndarray或都100％清晰，np.generic这可能不是版本可靠的。

老问题，但我想出一个明确的答案，举一个例子。我也遇到了同样的问题，也没有找到明确的答案，因此可以使问题保持​​新鲜感。关键是确保已numpy导入，然后运行isinstance布尔。虽然这看起来很简单，但是如果您要对不同的数据类型进行一些计算，则在开始一些numpy向量化操作之前，此小检查可以作为一项快速测试。

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

import numpy as np

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

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

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

isinstance(arr,np.ndarray)

这实际上取决于您要查找的内容。

• 如果要测试序列是否实际上是a ndarray，则a isinstance(..., np.ndarray)可能是最简单的。确保您不要在后台重新加载numpy，因为模块可能有所不同，但否则应该没问题。MaskedArrays，matrix，recarray是所有子类ndarray，所以你应该设置。
• 如果要测试标量是否为numpy标量，事情会变得更加复杂。您可以检查它是否具有shape和dtype属性。您可以将其dtype与基本dtype 进行比较，可以在中找到其基本列表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)...

要获取类型，请使用内置type函数。使用in运算符，可以检查类型是否为numpy类型，方法是检查其是否包含字符串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，此示例在IPython中运行。非常便于交互使用和快速测试。）

请注意，它本身type(numpy.ndarray)就是一个type，请注意布尔和标量类型。如果不是直观或简单的方法，不要太气disc，起初是很痛苦的。

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- py

>>> 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

标量类型的更多乐趣，请参见：-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!