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
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
其他回答
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。
>>> 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
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。
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
