Как проверить, является ли массив NumPy массивом float или int: полное руководство

NumPy – это фундаментальная библиотека Python для численных вычислений. Часто возникает необходимость определить, содержит ли массив NumPy целые числа (int) или числа с плавающей точкой (float). Эта статья представляет собой полное руководство по проверке типа данных массива NumPy.

Мы рассмотрим различные подходы, от простых атрибутов до специализированных функций, а также обсудим производительность и лучшие практики.

Основные способы определения типа данных массива NumPy

Использование атрибута dtype для получения типа данных

Каждый массив NumPy имеет атрибут dtype, который хранит информацию о типе данных элементов массива. Это самый простой и быстрый способ узнать тип данных массива.

import numpy as np

arr = np.array([1, 2, 3])
print(arr.dtype)  # Вывод: int64 (или int32, в зависимости от системы)

arr_float = np.array([1.0, 2.0, 3.0])
print(arr_float.dtype) # Вывод: float64

dtype возвращает объект, представляющий тип данных, например int64, float64, int32 и т.д.

Проверка типа данных с помощью np.issubdtype

np.issubdtype – это функция NumPy, которая проверяет, является ли один тип данных подтипом другого. Это полезно для определения, относится ли dtype массива к определенной категории типов, например, целых чисел или чисел с плавающей точкой.

import numpy as np

arr_int = np.array([1, 2, 3])
arr_float = np.array([1.0, 2.0, 3.0])

print(np.issubdtype(arr_int.dtype, np.integer))   # Вывод: True
print(np.issubdtype(arr_float.dtype, np.floating)) # Вывод: True

Проверка, является ли массив NumPy массивом целых чисел (int)

Использование np.issubdtype с np.integer

Чтобы проверить, является ли массив массивом целых чисел, используйте np.issubdtype с np.integer:

import numpy as np

def is_int_array(arr):
    return np.issubdtype(arr.dtype, np.integer)

arr1 = np.array([1, 2, 3])
arr2 = np.array([1.0, 2.0, 3.0])

print(is_int_array(arr1)) # Вывод: True
print(is_int_array(arr2)) # Вывод: False

Примеры кода для проверки массива на int типы (int8, int16, int32, int64)

Можно конкретизировать проверку для определенных типов целых чисел:

import numpy as np

arr_int8 = np.array([1, 2, 3], dtype=np.int8)
arr_int16 = np.array([1, 2, 3], dtype=np.int16)

print(np.issubdtype(arr_int8.dtype, np.int8))   # Вывод: True
print(np.issubdtype(arr_int16.dtype, np.integer)) # Вывод: True

Проверка, является ли массив NumPy массивом чисел с плавающей точкой (float)

Использование np.issubdtype с np.floating

Аналогично проверке на целые числа, для проверки на числа с плавающей точкой используйте np.issubdtype с np.floating:

import numpy as np

def is_float_array(arr):
    return np.issubdtype(arr.dtype, np.floating)

arr1 = np.array([1, 2, 3])
arr2 = np.array([1.0, 2.0, 3.0])

print(is_float_array(arr1)) # Вывод: False
print(is_float_array(arr2)) # Вывод: True

Примеры кода для проверки массива на float типы (float16, float32, float64)

Можно проверить конкретные типы float:

import numpy as np

arr_float32 = np.array([1.0, 2.0, 3.0], dtype=np.float32)
arr_float64 = np.array([1.0, 2.0, 3.0], dtype=np.float64)

print(np.issubdtype(arr_float32.dtype, np.float32))   # Вывод: True
print(np.issubdtype(arr_float64.dtype, np.floating)) # Вывод: True

Альтернативные методы и важные замечания

Использование isinstance для проверки типа отдельных элементов (не рекомендуется для больших массивов)

Можно использовать isinstance для проверки типа каждого элемента массива, но это неэффективно для больших массивов.

import numpy as np

arr = np.array([1.0, 2.0, 3.0])

all_float = all(isinstance(x, float) for x in arr)
print(all_float) # Вывод: True

Этот метод значительно медленнее, чем использование dtype и np.issubdtype.

Производительность и выбор метода проверки типа данных

• dtype: Самый быстрый способ получить тип данных массива.

• np.issubdtype: Идеален для проверки, является ли тип данных массива подтипом определенной категории (например, целое число или число с плавающей точкой).

• isinstance: Не рекомендуется для больших массивов из-за низкой производительности.

В большинстве случаев, использование dtype и np.issubdtype является оптимальным выбором.

Заключение

В этой статье мы рассмотрели различные способы проверки, является ли массив NumPy массивом целых чисел или чисел с плавающей точкой. Использование атрибута dtype и функции np.issubdtype является наиболее эффективным и рекомендуемым способом проверки типа данных массива NumPy.