python: как определить, является ли переменная массивом или скаляром

>>> isinstance([0, 10, 20, 30], list)
True
>>> isinstance(50, list)
False

Чтобы поддерживать любой тип последовательности, отметьте collections.Sequence вместо list.

примечание: isinstance также поддерживает кортеж классов, проверку type(x) in (..., ...) следует избегать, и в этом нет необходимости.

Вы также можете проверить not isinstance(x, (str, unicode))

Предыдущие ответы предполагают, что массив представляет собой стандартный список Python. Как человек, который часто использует numpy, я бы порекомендовал очень питонический тест:

if hasattr(N, "__len__")

Объединяя ответы @jamylak и @ jpaddison3 вместе, если вам нужно быть устойчивым к массивам numpy в качестве входных данных и обрабатывать их так же, как списки, вы должны использовать

import numpy as np
isinstance(P, (list, tuple, np.ndarray))

Это устойчиво к подклассам массивов list, tuple и numpy.

И если вы хотите быть устойчивым и ко всем другим подклассам последовательности (а не только к списку и кортежу), используйте

import collections
import numpy as np
isinstance(P, (collections.Sequence, np.ndarray))

Почему вы должны поступать таким образом с isinstance, а не сравнивать type(P) с целевым значением? Вот пример, в котором мы создаем и изучаем поведение NewList, тривиального подкласса списка.

>>> class NewList(list):
...     isThisAList = '???'
... 
>>> x = NewList([0,1])
>>> y = list([0,1])
>>> print x
[0, 1]
>>> print y
[0, 1]
>>> x==y
True
>>> type(x)
<class '__main__.NewList'>
>>> type(x) is list
False
>>> type(y) is list
True
>>> type(x).__name__
'NewList'
>>> isinstance(x, list)
True

Несмотря на то, что x и y сравниваются как равные, обработка их type приведет к разному поведению. Однако, поскольку x является экземпляром подкласса list, использование isinstance(x,list) дает желаемое поведение и обрабатывает x и y таким же образом.

Есть ли эквивалент isscalar () в numpy? да.

>>> np.isscalar(3.1)
True
>>> np.isscalar([3.1])
False
>>> np.isscalar(False)
True
>>> np.isscalar('abcd')
True

Хотя подход @ jamylak является лучшим, вот альтернативный подход

>>> N=[2,3,5]
>>> P = 5
>>> type(P) in (tuple, list)
False
>>> type(N) in (tuple, list)
True

Другой альтернативный подход (использование свойства class name):

N = [2,3,5]
P = 5

type(N).__name__ == 'list'
True

type(P).__name__ == 'int'
True

type(N).__name__ in ('list', 'tuple')
True

Не нужно ничего импортировать.

Вот лучший подход, который я нашел: проверьте наличие __len__ и __getitem__.

Вы спросите, почему? Причины включают:

1. Популярный метод isinstance(obj, abc.Sequence) не работает с некоторыми объектами, включая PyTorch Tensor, потому что они не реализуют __contains__.
2. К сожалению, в Python collections.abc нет ничего, что проверяло бы только __len__ и __getitem__, которые, как мне кажется, являются минимальными методами для объектов, подобных массиву.
3. Он работает со списком, кортежем, ndarray, Tensor и т. Д.

Итак, без лишних слов:

def is_array_like(obj, string_is_array=False, tuple_is_array=True):
    result = hasattr(obj, "__len__") and hasattr(obj, '__getitem__') 
    if result and not string_is_array and isinstance(obj, (str, abc.ByteString)):
        result = False
    if result and not tuple_is_array and isinstance(obj, tuple):
        result = False
    return result

Обратите внимание, что я добавил параметры по умолчанию, потому что в большинстве случаев вы можете рассматривать строки как значения, а не массивы. Аналогично для кортежей.

Просто используйте size вместо len!

>>> from numpy import size
>>> N = [2, 3, 5]
>>> size(N)
3
>>> N = array([2, 3, 5])
>>> size(N)
3
>>> P = 5
>>> size(P)
1

Вы можете проверить тип данных переменной.

N = [2,3,5]
P = 5
type(P)

Он выдаст вам тип данных P.

<type 'int'>

Так что вы можете различить, что это целое число или массив.

Я удивлен, что на такой базовый вопрос в Python, похоже, нет немедленного ответа. Мне кажется, что почти во всех предлагаемых ответах используется какая-то проверка типов, которая обычно не рекомендуется в python, и кажется, что они ограничены конкретным случаем (они терпят неудачу с разными числовыми типами или универсальными итеративными объектами, которые не являются кортежами или списками).

Для меня лучше всего импортировать numpy и использовать array.size, например:

>>> a=1
>>> np.array(a)
Out[1]: array(1)

>>> np.array(a).size
Out[2]: 1

>>> np.array([1,2]).size
Out[3]: 2

>>> np.array('125')
Out[4]: 1

Также обратите внимание:

>>> len(np.array([1,2]))

Out[5]: 2

но:

>>> len(np.array(a))
---------------------------------------------------------------------------
TypeError                                 Traceback (most recent call last)
<ipython-input-40-f5055b93f729> in <module>()
----> 1 len(np.array(a))

TypeError: len() of unsized object

Чтобы ответить на вопрос в заголовке, прямой способ определить, является ли переменная скаляром, - это попытаться преобразовать ее в число с плавающей запятой. Если вы получите TypeError, это не так.

N = [1, 2, 3]
try:
    float(N)
except TypeError:
    print('it is not a scalar')
else:
    print('it is a scalar')

preds_test [0] имеет форму (128,128,1). Давайте проверим его тип данных с помощью функции isinstance () isinstance принимает 2 аргумента. 1-й аргумент - данные 2-й аргумент - тип данных isinstance (preds_test [0], np.ndarray) дает выход как True. Это означает, что preds_test [0] - это массив.

Поскольку общее правило в Python состоит в том, чтобы просить прощения, а не разрешения, я думаю, что наиболее питонический способ обнаружить строку / скаляр из последовательности - это проверить, содержит ли он целое число:

try:
    1 in a
    print('{} is a sequence'.format(a))
except TypeError:
    print('{} is a scalar or string'.format(a))