>>> import collections.abc
>>> isinstance([0, 10, 20, 30], collections.abc.Sequence)
True
>>> isinstance(50, collections.abc.Sequence)
False

注意:isinstance也支持类元组，检查类型(x)在(…)是应该避免的，也是不必要的。

你也可以检查not isinstance(x， (str, unicode))

正如@2080所指出的，这对numpy数组无效。如。

>>> import collections.abc
>>> import numpy as np
>>> isinstance((1, 2, 3), collections.abc.Sequence)
True
>>> isinstance(np.array([1, 2, 3]), collections.abc.Sequence)
False

在这种情况下，您可以尝试来自@jpaddison3的答案:

>>> hasattr(np.array([1, 2, 3]), "__len__")
True
>>> hasattr([1, 2, 3], "__len__")
True
>>> hasattr((1, 2, 3), "__len__")
True

然而，正如这里所指出的，这也不是完美的，并且会错误地(至少在我看来)将字典分类为序列，而isinstance with collections.abc.Sequence则正确地分类:

>>> hasattr({"a": 1}, "__len__")
True
>>> from numpy.distutils.misc_util import is_sequence
>>> is_sequence({"a": 1})
True
>>> isinstance({"a": 1}, collections.abc.Sequence)
False

你可以这样定制你的解决方案，根据你的需要给isinstance添加更多类型:

>>> isinstance(np.array([1, 2, 3]), (collections.abc.Sequence, np.ndarray))
True
>>> isinstance([1, 2, 3], (collections.abc.Sequence, np.ndarray))
True

虽然@jamylak的方法更好，但这里有另一种方法

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

>>> N=[2,3,5]
>>> P = 5
>>> type(P)==type(0)
True
>>> type([1,2])==type(N)
True
>>> type(P)==type([1,2])
False

你可以检查变量的数据类型。

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

它会给你P的数据类型。

<type 'int'>

这样你就可以区分它是整数还是数组。

另一种替代方法(使用类名属性):

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

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

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

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

不需要进口任何东西。

前面的回答假设数组是python标准列表。作为一个经常使用numpy的人，我推荐一个非常python化的测试:

if hasattr(N, "__len__")

将@jamylak和@jpaddison3的答案结合在一起，如果需要健壮地将numpy数组作为输入，并以与列表相同的方式处理它们，则应该使用

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

这对于list, tuple和numpy数组的子类是健壮的。

如果您想对sequence的所有其他子类(不仅仅是list和tuple)也具有健壮性，请使用

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

为什么要用isinstance这样做，而不比较type(P)和目标值?下面是一个例子，在这里我们创建并研究NewList的行为，它是list的一个普通子类。

>>> 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

尽管x和y比较为相等，但按类型处理它们会导致不同的行为。然而，由于x是list的一个子类的实例，使用isinstance(x,list)可以给出所需的行为，并以相同的方式对待x和y。

我很惊讶，这样一个基本的问题在python中似乎没有一个直接的答案。 在我看来，几乎所有提出的答案都使用了某种类型 检查，在python中通常不建议这样做，它们似乎仅限于特定的情况(它们失败于不同的数值类型或非元组或列表的泛型可迭代对象)。

对我来说，更好的方法是导入numpy并使用array。尺寸，例如:

>>> 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

还请注意:

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

Out[5]: 2

but:

>>> 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

在numpy中是否有等效的isscalar() ?是的。

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

只需使用size而不是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

这是我发现的最好的方法:检查__len__和__getitem__是否存在。

你可能会问为什么?原因包括:

流行的方法isinstance(obj, abc.Sequence)在一些对象(包括PyTorch的Tensor)上失败，因为它们没有实现__contains__。 不幸的是，Python的集合中什么都没有。abc，只检查__len__和__getitem__，我觉得这是数组类对象的最小方法。 它适用于列表，元组，ndarray，张量等。

废话不多说:

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

请注意，我添加了默认参数，因为大多数时候您可能希望将字符串视为值，而不是数组。元组也是如此。

Preds_test[0]的形状(128,128,1) 让我们使用isinstance()函数检查它的数据类型 Isinstance接受2个参数。 第一个参数是数据 第二个参数是数据类型 isinstance(preds_test[0]， np.ndarray)输出为True。这意味着preds_test[0]是一个数组。

要回答标题中的问题，判断变量是否是标量的直接方法是尝试将其转换为浮点数。如果你得到TypeError，它就不是。

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

由于Python中的一般准则是请求原谅而不是允许，我认为从序列中检测字符串/标量的最Python的方法是检查它是否包含整数:

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