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
>>> 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
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
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
