blocks|key|1679041|text|你是说17号线吗？|type|unstyled|depth|inlineStyleRanges|entityRanges|data|1679042|In+[13]:

import+numpy+as+np
A=np.array([1,2,3])
In+[14]:

A.dtype
Out[14]:
dtype('int32')
In+[15]:

isinstance(A,+np.ndarray)+#A+is+not+an+instance+of+int32,+it+is+an+instance+of+ndarray
Out[15]:
True
In+[16]:

A.dtype==np.int32+#but+its+dtype+is+int32
Out[16]:
True
In+[17]:

issubclass(np.int32,+int)+#and+int32+is+a+subclass+of+int
Out[17]:
True|code-block|syntax|javascript|1679043|entityMap^0|0|0^^$0|@$1|2|3|4|5|6|7|I|8|@]|9|@]|A|$]]|$1|B|3|C|5|D|7|J|8|@]|9|@]|A|$E|F]]|$1|G|3|-4|5|6|7|K|8|@]|9|@]|A|$]]]|H|$]]

Do you mean line 17?

<pre><code>In [13]:

import numpy as np
A=np.array([1,2,3])
In [14]:

A.dtype
Out[14]:
dtype('int32')
In [15]:

isinstance(A, np.ndarray) #A is not an instance of int32, it is an instance of ndarray
Out[15]:
True
In [16]:

A.dtype==np.int32 #but its dtype is int32
Out[16]:
True
In [17]:

issubclass(np.int32, int) #and int32 is a subclass of int
Out[17]:
True
</code></pre>

blocks|key|1679087|text|请注意，np.int64不是dtype，它是Python类型。如果你有一个实际的数据类型(通过数组的dtype字段访问)，你可以使用你发现的np.typecodes字典：|type|unstyled|depth|inlineStyleRanges|offset|length|style|CODE|entityRanges|data|1679088|my_array.dtype.char+in+np.typecodes['AllInteger']|code-block|syntax|javascript|1679089|如果您只有np.int64这样的类型，可以先获取该类型对应的数据类型，然后按照上面的方式进行查询：|1679090|>>>+np.dtype(np.int64).char+in+np.typecodes['AllInteger']
True|1679091|entityMap^0|4|8|1E|5|1Y|C|0|0|5|8|0|0^^$0|@$1|2|3|4|5|6|7|Q|8|@$9|R|A|S|B|C]|$9|T|A|U|B|C]|$9|V|A|W|B|C]]|D|@]|E|$]]|$1|F|3|G|5|H|7|X|8|@]|D|@]|E|$I|J]]|$1|K|3|L|5|6|7|Y|8|@$9|Z|A|10|B|C]]|D|@]|E|$]]|$1|M|3|N|5|H|7|11|8|@]|D|@]|E|$I|J]]|$1|O|3|-4|5|6|7|12|8|@]|D|@]|E|$]]]|P|$]]

Note that <code>np.int64</code> is not a dtype, it's a Python type. If you have an actual dtype (accessed through the <code>dtype</code> field of an array), you can make use of the <code>np.typecodes</code> dict you discovered:

<pre><code>my_array.dtype.char in np.typecodes['AllInteger']
</code></pre>

If you only have a type such as <code>np.int64</code>, you can first obtain a dtype that corresponds to the type, then query it as above:

<pre><code>&gt;&gt;&gt; np.dtype(np.int64).char in np.typecodes['AllInteger']
True
</code></pre>

blocks|key|1679114|text|Numpy有一个类似于类层次结构的数据类型层次结构(标量类型实际上有一个真实的类层次结构，它反映了dtype层次结构)。您可以使用np.issubdtype(some_dtype,+np.integer)来测试数据类型是否为整数数据类型。请注意，与大多数使用数据类型的函数一样，np.issubdtype()会将其参数转换为数据类型，因此可以使用任何通过np.dtype()构造函数生成数据类型的函数。|type|unstyled|depth|inlineStyleRanges|offset|length|style|CODE|entityRanges|data|1679115|http://docs.scipy.org/doc/numpy/reference/arrays.dtypes.html#specifying-and-constructing-data-types|1679116|>>>+import+numpy+as+np
>>>+np.issubdtype(np.int32,+np.integer)
True
>>>+np.issubdtype(np.float32,+np.integer)
False
>>>+np.issubdtype(np.complex64,+np.integer)
False
>>>+np.issubdtype(np.uint8,+np.integer)
True
>>>+np.issubdtype(np.bool,+np.integer)
False
>>>+np.issubdtype(np.void,+np.integer)
False|code-block|syntax|javascript|1679117|在未来的numbers版本中，我们将确保向适当的numpy+ABC注册标量类型。|1679118|entityMap|0|LINK|mutability|MUTABLE|url^0|1T|11|3V|F|4X|A|0|0|2R|0|0|0|4|7|0^^$0|@$1|2|3|4|5|6|7|V|8|@$9|W|A|X|B|C]|$9|Y|A|Z|B|C]|$9|10|A|11|B|C]]|D|@]|E|$]]|$1|F|3|G|5|6|7|12|8|@]|D|@$9|13|A|14|1|15]]|E|$]]|$1|H|3|I|5|J|7|16|8|@]|D|@]|E|$K|L]]|$1|M|3|N|5|6|7|17|8|@$9|18|A|19|B|C]]|D|@]|E|$]]|$1|O|3|-4|5|6|7|1A|8|@]|D|@]|E|$]]]|P|$Q|$5|R|S|T|E|$U|G]]]]

Numpy has a hierarchy of dtypes similar to a class hierarchy (the scalar types actually have a bona fide class hierarchy that mirrors the dtype hierarchy). You can use <code>np.issubdtype(some_dtype, np.integer)</code> to test if a dtype is an integer dtype. Note that like most dtype-consuming functions, <code>np.issubdtype()</code> will convert its arguments to dtypes, so anything that can make a dtype via the <code>np.dtype()</code> constructor can be used.

<a href="http://docs.scipy.org/doc/numpy/reference/arrays.dtypes.html#specifying-and-constructing-data-types" rel="noreferrer">http://docs.scipy.org/doc/numpy/reference/arrays.dtypes.html#specifying-and-constructing-data-types</a>

<pre><code>&gt;&gt;&gt; import numpy as np
&gt;&gt;&gt; np.issubdtype(np.int32, np.integer)
True
&gt;&gt;&gt; np.issubdtype(np.float32, np.integer)
False
&gt;&gt;&gt; np.issubdtype(np.complex64, np.integer)
False
&gt;&gt;&gt; np.issubdtype(np.uint8, np.integer)
True
&gt;&gt;&gt; np.issubdtype(np.bool, np.integer)
False
&gt;&gt;&gt; np.issubdtype(np.void, np.integer)
False
</code></pre>

In a future version of numpy, we will make sure that the scalar types are registered with the appropriate <code>numbers</code> ABCs.

blocks|key|1679168|text|根据用例的不同，使用|type|unstyled|depth|inlineStyleRanges|entityRanges|data|1679169|import+operator
int+=+operator.index(number)|code-block|syntax|javascript|1679170|在我看来是一个很好的方法。另外，它不需要任何麻木的特定东西。|1679171|唯一的缺点是，在某些情况下，您必须对其执行try/except。|offset|length|style|CODE|1679172|entityMap^0|0|0|0|L|3|P|6|0^^$0|@$1|2|3|4|5|6|7|Q|8|@]|9|@]|A|$]]|$1|B|3|C|5|D|7|R|8|@]|9|@]|A|$E|F]]|$1|G|3|H|5|6|7|S|8|@]|9|@]|A|$]]|$1|I|3|J|5|6|7|T|8|@$K|U|L|V|M|N]|$K|W|L|X|M|N]]|9|@]|A|$]]|$1|O|3|-4|5|6|7|Y|8|@]|9|@]|A|$]]]|P|$]]

Depending on the use case the ducktyping

<pre><code>import operator
int = operator.index(number)
</code></pre>

is a good method in my opinion. Plus it needs nothing numpy specific.

The only disadvantage is that in some cases you would have to <code>try</code>/<code>except</code> it.

blocks|key|1893039|text|基于前面的回答和评论，我决定将dtype对象的type属性与Python内置的issubclass()方法和numbers模块结合使用：|type|unstyled|depth|inlineStyleRanges|offset|length|style|CODE|entityRanges|data|1893040|import+numbers
import+numpy

assert+issubclass(numpy.dtype('int32').type,+numbers.Integral)
assert+not+issubclass(numpy.dtype('float32').type,+numbers.Integral)|code-block|syntax|javascript|1893041|entityMap^0|F|5|N|4|13|C|1I|7|0|0^^$0|@$1|2|3|4|5|6|7|M|8|@$9|N|A|O|B|C]|$9|P|A|Q|B|C]|$9|R|A|S|B|C]|$9|T|A|U|B|C]]|D|@]|E|$]]|$1|F|3|G|5|H|7|V|8|@]|D|@]|E|$I|J]]|$1|K|3|-4|5|6|7|W|8|@]|D|@]|E|$]]]|L|$]]

Building off previous answers and comments, I have settled on using the <code>type</code> attribute of the <code>dtype</code> object with Python's builtin <code>issubclass()</code> method and the <code>numbers</code> module:

<pre><code>import numbers
import numpy

assert issubclass(numpy.dtype('int32').type, numbers.Integral)
assert not issubclass(numpy.dtype('float32').type, numbers.Integral)
</code></pre>

blocks|key|1893107|text|由于这个问题被问到了，NumPy已经向numbers添加了适当的注册，所以这是可行的：|type|unstyled|depth|inlineStyleRanges|offset|length|style|CODE|entityRanges|data|1893108|issubclass(np.int64,+numbers.Integral)
issubclass(np.int64,+numbers.Real)
issubclass(np.int64,+numbers.Complex)|code-block|syntax|javascript|1893109|这比深入研究更深奥的NumPy界面要优雅得多。|1893110|要对dtype实例执行此检查，请使用其.type属性：|1893111|issubclass(array.dtype.type,+numbers.Integral)
issubclass(array.dtype.type,+numbers.Real)
issubclass(array.dtype.type,+numbers.Complex)|1893112|entityMap^0|J|7|0|0|0|J|5|0|0^^$0|@$1|2|3|4|5|6|7|S|8|@$9|T|A|U|B|C]]|D|@]|E|$]]|$1|F|3|G|5|H|7|V|8|@]|D|@]|E|$I|J]]|$1|K|3|L|5|6|7|W|8|@]|D|@]|E|$]]|$1|M|3|N|5|6|7|X|8|@$9|Y|A|Z|B|C]]|D|@]|E|$]]|$1|O|3|P|5|H|7|10|8|@]|D|@]|E|$I|J]]|$1|Q|3|-4|5|6|7|11|8|@]|D|@]|E|$]]]|R|$]]

Since this question was asked, NumPy has added the appropriate registration with <code>numbers</code>, so this works:
<pre><code>issubclass(np.int64, numbers.Integral)
issubclass(np.int64, numbers.Real)
issubclass(np.int64, numbers.Complex)
</code></pre>
This is more elegant than diving down to a more esoteric NumPy interface.
To perform this check on a dtype instance, use its <code>.type</code> property:
<pre><code>issubclass(array.dtype.type, numbers.Integral)
issubclass(array.dtype.type, numbers.Real)
issubclass(array.dtype.type, numbers.Complex)
</code></pre>

How do I check if a numpy dtype is integral? I tried:

<pre><code>issubclass(np.int64, numbers.Integral)
</code></pre>

but it gives <code>False</code>.

<hr>

Update: it now gives <code>True</code>.

How do I check if a numpy dtype is integral?

翻译质量差，导致语言生硬或混乱。

没有提供实际的解决方法或示例。

解答不清晰，无法理解或解决问题。

页面排版不美观，阅读体验差。

文章

问答

视频

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

如何检查numpy dtype是否为整型？我试过了：issubclass(np.int64, numbers.Integral)但它给了False。更新:它现在提供了True。

问如何检查numpy dtype是否为整型？
EN

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问如何检查numpy dtype是否为整型？EN

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问如何检查numpy dtype是否为整型？
EN