>>> f = numpy.float64(1.4)>>> isinstance(f, numpy.float64)True>>> isinstance(f, float)True
numpy.float64 est héritée de python natif de type float. Parce que c'est à la fois flotteur et float64 (@Bakuriu thx pour le souligner). Mais si vous vérifiez python float variable d'instance pour float64 type, vous obtiendrez False dans le résultat:
>>> f =1.4>>> isinstance(f, numpy.float64)False>>> isinstance(f, float)True
Notez que isinstance(f, float) est True quand f est un np.float64 parce que np.float64 hérite de python float. Et d'une manière qui est vrai tant qu'on se tient à l'idée qu'un float64est un float. Il suffit de coller à ce concept.
Si vous comparez numpy types seulement, il peut être préférable de base de votre comparaison sur le numéro d'identification de chaque dtype, qui est ce que le sous-jacent du code C ne. Sur mon système, 12 est le nombre de np.float64:
Je trouve que c'est plus lisible méthode de vérification de Numpy nombre de types de
import numpy as np
npNum = np.array([2.0])if npNum.dtype == np.float64:print('This array is a Float64')# or if checking for multiple number types:if npNum.dtype in[np.float32, np.float64, np.integer]:print('This array is either a float64, float32 or an integer')
Utilisation isinstance:
numpy.float64 est héritée de python natif de type float. Parce que c'est à la fois flotteur et float64 (@Bakuriu thx pour le souligner). Mais si vous vérifiez python float variable d'instance pour float64 type, vous obtiendrez
False
dans le résultat:isinstance(f, float)
estTrue
quandf
est unnp.float64
parce quenp.float64
hérite de pythonfloat
.Et d'une manière qui est vrai tant qu'on se tient à l'idée qu'un
float64
est unfloat
. Il suffit de coller à ce concept.OriginalL'auteur ndpu
Si vous comparez numpy types seulement, il peut être préférable de base de votre comparaison sur le numéro d'identification de chaque dtype, qui est ce que le sous-jacent du code C ne. Sur mon système, 12 est le nombre de
np.float64
:De l'utiliser avec des non-numpy valeurs aussi, vous pourriez canard-type de votre chemin à travers elle avec quelque chose comme:
OriginalL'auteur Jaime
Je trouve que c'est plus lisible méthode de vérification de Numpy nombre de types de
OriginalL'auteur DougR