如何检查 python 值是否是 numpy dtype 的实例？答案

【问题标题】：How do I check that a python value is an instance of a numpy dtype?如何检查 python 值是否是 numpy dtype 的实例？
【发布时间】：2017-11-14 06:04:04
【问题描述】：

如何检查给定值是否可以存储在 numpy 数组中？

例如：

import numpy as np
np.array(["a","b"])
==> array(['a', 'b'], dtype='|S1')
np.array(["a","b"]) == 1
> __main__:1: FutureWarning: elementwise comparison failed; returning scalar instead, but in the future will perform elementwise comparison
==> False
np.array(["a","b"]) == "a"
==> array([ True, False], dtype=bool)

我想要一个函数np_isinstance 可以做到这一点：

np_isinstance("a", np.array(["a","b"]).dtype)
==> True
np_isinstance(1, np.array(["a","b"]).dtype)
==> False
np_isinstance("a", np.array([1,2,3]).dtype)
==> False
np_isinstance(1, np.array([1,2,3]).dtype)
==> True

到目前为止，我设法想出了

def np_isinstance(o,dt):
    return np.issubdtype(np.array([o]).dtype, dt)

但这似乎是错误的，因为它在每次调用时分配一个array。

人们可能希望numpy.can_cast(from, totype) 能完成这项工作，但是，唉，

np.can_cast("a",np.dtype("O"))
> TypeError: did not understand one of the types; 'None' not accepted

【问题讨论】：

每次分配一个数组并不是什么大问题。它可能比您想象的要便宜（或者更确切地说，其他一切都可能比您想象的要贵，因此相对而言分配便宜）。

标签： python python-2.7 numpy isinstance

【解决方案1】：

我不知道怎么直接判断，dtype in numpy这么多，你可以用下面的函数来判断：

def np_isinstance(value, np_data):
    """
    This function for 1D np_data
    """
    flag = False
    try:
        tmp = np_data[0] + value
        flag = True
    except:
        pass
    return flag

【讨论】：

如果数组np_data 为空怎么办？如果我没有数组，只有 dtype 怎么办？这比我的版本好多少？
是的，你是对的。我错过了这些，我会继续思考另一种方式。
@sds，但是对于您的答案，请检查 o = 1.1、“dt=np.int64”、“np_isinstance(o,dt)”，您是否期望浮点数不应该插入到 np.int64 数组或 int64 数字不应该插入到浮点数组？

【解决方案2】：

当我正确理解时，整个 numpy 数组始终属于某种类型，并且数组中不能有混合项，我建议这样做：

isinstance(my_array, np.ndarray)`

这就是我在单元测试中所做的：

assert isinstance(groups, np.ndarray)

在我的生产代码中我这样做

groups = [-1, -1, 0, 2]
groups = np.asarray(g, dtype=np.uint8)

编辑：起初我误解了这个问题。您想检查是否可以在数组中插入一个角蛋白变量。那么让我们试试这个：

def is_var_allowed(x):
    try:
        x = np.uint8(x)
        return True
    except ValueError:
        return False

def main():
    my_arr = np.ones((5,), dtype=np.uint8))
    x = 7
    if is_var_allowed(x):
       my_arr.put(3, x)

这将产生一个数组[1 1 1 7 1]。可以通过给函数is_var_allowed 也提供一个 dtype 作为参数来概括这一点：

def is_var_allowed(x, func):
    try:
        x = func(x)
        return True
    except ValueError:
        return False

def main():
    my_uint_arr = np.ones((5,), dtype=np.uint8))
    x = 7
    if is_var_allowed(x, np.uint8):
       my_uint8_arr.put(3, x)

    my_char_arr = np.char.array((5,1))
    y = "Hallo"
    if is_var_allowed(y, np.char)
        my_char_arr[:] = y

【讨论】：

哦，我想我误解了你的问题。您尝试检查是否可以将值放入数组中。那么为什么不尝试从中创建另一个变量：np.uint8(my_var)。你可以用 try/except 来保护它，看看它是否失败。如果没有，您可以将其放入数组中。呈现字符串时 np.uint8() 将失败
还是不行。您正在假设数字 dtype。
当使用一个函数作为第二个参数时，你可以泛化它
我在哪里可以得到func 的is_var_allowed？
我有一个dtype 对象。我如何将它“概括”到您的功能？最重要的是，你的版本比我的好在哪里？

【解决方案3】：

can_cast 复制您的测试用例：

In [213]: np.can_cast(type("a"), np.array(["a","b"]).dtype)
Out[213]: True
In [214]: np.can_cast(type(1), np.array(["a","b"]).dtype)
Out[214]: False
In [215]: np.can_cast(type("a"), np.array([1,2,3]).dtype)
Out[215]: False
In [217]: np.can_cast(type(1), np.array([1,2,3]).dtype)
Out[217]: True
In [219]: np.can_cast(type(1), np.dtype("O"))
Out[219]: True
In [220]: np.can_cast(type("a"), np.dtype("O"))
Out[220]: True

请注意，我将type 与dtype 匹配。

【讨论】：