我有一个以NBins为参数的函数。我想用标量50或数组[0,10,20,30]调用这个函数。如何在函数中识别NBins的长度?或者换一种说法，它是标量还是向量?
我试了一下:
>>> N=[2,3,5]
>>> P = 5
>>> len(N)
3
>>> len(P)
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
TypeError: object of type 'int' has no len()
>>>
如你所见，我不能将len应用于P，因为它不是一个数组....python中有isarray或isscalar之类的东西吗?
谢谢
当前回答
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。
其他回答
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。
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。
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
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。
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。
