python: comment déterminer si une variable est un tableau ou un scalaire

>>> isinstance([0, 10, 20, 30], list)
True
>>> isinstance(50, list)
False

À l'appui de n'importe quel type de séquence, collections.Sequence au lieu de list.

note: isinstance prend également en charge un tuple de classes, vérifiez type(x) in (..., ...) doit être évitée et inutiles.

Vous pouvez aussi veux vérifier not isinstance(x, (str, unicode))

Combinant @jamylak et @jpaddison3 de l'ensemble des réponses, si vous avez besoin d'être robuste contre les tableaux numpy que l'entrée et à les gérer de la même manière que pour les listes, vous devez utiliser

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

C'est robuste contre les sous-classes de la liste, tuple et des tableaux numpy.

Et si vous voulez être robuste à l'encontre de tous les autres sous-classes de la séquence ainsi (et pas seulement de la liste et de tuple), l'utilisation

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

Pourquoi devriez-vous faire les choses de cette façon avec isinstance et de ne pas comparer type(P) avec une valeur cible? Voici un exemple, où nous faisons et étudier le comportement de NewList, un trivial sous-classe de la liste.

>>> 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

Malgré x et y la comparaison que l'égalité, de la manipulation par type entraînerait des comportements différents. Cependant, depuis x est une instance d'une sous-classe de list, à l'aide de isinstance(x,list) donne le comportement désiré et traite x et y de la même manière.

Tout, @jamylak de l'approche est la meilleure, ici est une approche alternative

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

Simplement utiliser size au lieu de 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

Vous pouvez vérifier le type de données de la variable.

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

Il donnera à vous de mettre comme type de données de P.

<type 'int'>

De sorte que vous pouvez distinguer que c'est un entier ou un tableau.

Ici est la meilleure approche que j'ai trouvé: Vérifier l'existence de __len__ et __getitem__.

Vous demandez peut-être pourquoi? Les raisons comprend:

1. Cette détecte plusieurs objets populaires qui sont en effet des tableaux, y compris Python liste native et de tuple, NumPy est ndarray et PyTorch du Tenseur.
2. Une autre méthode populaire isinstance(obj, abc.Sequence) échoue sur certains objets, y compris PyTorch du Tenseur parce qu'ils ne mettent pas en œuvre __contains__.
3. À l'aide de collections.abc est beaucoup plus préférable, mais malheureusement, il n'y a rien en Python des collections.abc qui vérifie seulement __len__ et __getitem__.

Alors sans plus tarder:

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

Notez que j'ai ajouté les paramètres par défaut parce que la plupart du temps, vous pourriez envisager de chaînes de valeurs, pas de tableaux. De même pour les n-uplets.