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。
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。
Answers:
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。
dir(numpy)
类型和内置函数(以及类,但是我认为它没有任何东西),并使用它来生成一个元组来isinstance
抵抗它,这将是可靠的。(我相信您可以将内置函数传递给isinstance,无论它们是否实际上是类型构造函数,但您都必须进行检查。)
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。
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。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)
...numpy
类型” 之外的东西,并且可以定义那是什么,那比其他答案要好。在大多数情况下,您应该寻找可以定义的特定内容。
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!