如何检查python值是否是numpy数据类型的实例？

如何检查给定值是否可以存储在

numpy

数组中

例如：

我想要一个函数

np\u isinstance

，它可以执行以下操作：

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

数组

人们可能希望这能起到作用，但是，唉

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

如果我理解正确，整个numpy数组始终是某种类型的，并且数组中不能有混合项，我建议执行以下操作：

isinstance(my_array, np.ndarray)`

这就是我在单元测试中所做的：

assert-isinstance（组，np.ndarray）

而在我的生产代码中，我是这样做的

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


编辑：一开始我误解了这个问题。您需要检查是否可以在数组中插入ceratin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 7 1]
。我们可以通过给函数
is_var\u allowed
一个数据类型作为参数来概括这一点，如下所示：

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

我不知道如何直接判断，因为有这么多，您可以使用以下功能进行判断：

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

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，我正在将
类型
与
数据类型
匹配。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）。您可以使用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。np.uint8（）在呈现stringStill no go时将失败。您假设的是数字数据类型。当使用a函数作为第二个参数时，您可以对其进行泛化。
的
func
在哪里可以获得
的
var\u
？我有一个
dtype
对象。如何将其“推广”到您的函数？最重要的是，你的版本比我的好吗？如果数组
np\u数据
为空怎么办？如果我没有数组，只有数据类型呢？这比我的版本好多少？是的，你是对的。我错过了这些，我将继续思考另一种方法。@sds，但对于您的答案，请检查o=1.1，“dt=np.int64”，“np_isinstance（o，dt）”，您是否希望浮点数不应插入到np.int64数组或int64数字不应插入到浮点数数组？每次分配一个数组都不是什么大问题。它可能比你想象的要便宜（或者更确切地说，其他东西可能比你想象的更贵，所以相对而言，分配是便宜的）。
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