オブジェクトがnumpy型であるかどうかを確実に判断するにはどうすればよいですか?
この質問はダックタイピングの哲学に反することを理解していますが、アイデアは、(scipyとnumpyを使用する)関数がnumpyタイプで呼び出されない限り、numpyタイプを返さないことを確認することです。 これは別の質問の解決策に現れますが、オブジェクトが派手なタイプであるかどうかを判断する一般的な問題は、元の質問から十分離れているため、それらを分離する必要があります。
オブジェクトがnumpy型であるかどうかを確実に判断するにはどうすればよいですか?
この質問はダックタイピングの哲学に反することを理解していますが、アイデアは、(scipyとnumpyを使用する)関数がnumpyタイプで呼び出されない限り、numpyタイプを返さないことを確認することです。 これは別の質問の解決策に現れますが、オブジェクトが派手なタイプであるかどうかを判断する一般的な問題は、元の質問から十分離れているため、それらを分離する必要があります。
回答:
組み込みtype
関数を使用してタイプを取得し、__module__
プロパティを使用して、それが定義された場所を見つけることができます。
>>> 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
私が思いついた解決策は次のとおりです:
isinstance(y, (np.ndarray, np.generic) )
ただし、すべてのnumpyタイプがまたはのいずれかであることが保証されていることは100%明確ではありません。これはおそらくバージョンの堅牢性ではありません。np.ndarray
np.generic
dir(numpy)
型と組み込み関数(およびクラスですが、それはないと思います)をフィルターに掛け、それを使用して、isinstance
対するタプルを生成できます。(組み込み関数を実際に型コンストラクターであるかどうかにかかわらず、インスタンスに渡すことができると思いますが、それを確認する必要があります。)
古い質問ですが、例を挙げて明確な答えを出しました。これと同じ問題があり、明確な答えが見つからなかったので、質問を新鮮に保つことに害はありません。重要なのは、numpy
インポートしたことを確認してから、isinstance
ブール値を実行することです。これは簡単に思えるかもしれませんが、さまざまなデータ型に対していくつかの計算を行っている場合、この小さなチェックは、いくつかの厄介なベクトル化演算を開始する前の簡単なテストとして役立ちます。
##################
# important part!
##################
import numpy as np
####################
# toy array for demo
####################
arr = np.asarray(range(1,100,2))
########################
# The instance check
########################
isinstance(arr,np.ndarray)
それは実際にあなたが探しているものに依存します。
ndarray
a isinstance(..., np.ndarray)
が最も簡単です。モジュールが異なる可能性があるため、バックグラウンドでnumpyをリロードしないようにしてください。ただし、それ以外の場合は問題ありません。MaskedArrays
、matrix
、recarray
のすべてのサブクラスですndarray
ので、あなたが設定する必要があります。shape
とdtype
属性があるかどうかを確認できます。dtype
これを基本的なdtype と比較できますnp.core.numerictypes.genericTypeRank
。そのリストはで確認できます。このリストの要素は文字列であるため、tested.dtype is np.dtype(an_element_of_the_list)
... を実行する必要があることに注意してください。numpy
タイプである」以外のものを実際に探していて、それが何かを定義できる場合、これは他の答えよりも優れています。そして、ほとんどの場合、あなたが定義できる何か特定のものを探しているべきです。
タイプを取得するには、組み込みtype
関数を使用します。in
タイプは、それが文字列が含まれているかどうかをチェックすることによりnumpyのタイプであれば、オペレータ、あなたがテストすることができます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
(ちなみに、この例はIPythonで実行されました。インタラクティブな使用とクイックテストに非常に便利です。)
type(numpy.ndarray)
はtype
それ自体であり、ブール型とスカラー型に注意してください。それが直感的でも簡単でもない場合でも、落胆しないでください。最初は苦痛です。
参照: - https://docs.scipy.org/doc/numpy-1.15.1/reference/arrays.dtypes.html - https://github.com/machinalis/mypy-data/tree/master/numpy-ミピー
>>> 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
ブーリアンで楽しい:
>>> 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
スカラー型でもっと楽しくなる:-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!