python - 测试 numpy.dtype 的正确方法

Question

我正在查看具有以下 if-test 的第三方库:

if isinstance(xx_, numpy.ndarray) and xx_.dtype is numpy.float64 and xx_.flags.contiguous:
    xx_[:] = ctypes.cast(xx_.ctypes._as_parameter_,ctypes.POINTER(ctypes.c_double))

看起来 xx_.dtype is numpy.float64 总是失败:

>>> xx_ = numpy.zeros(8, dtype=numpy.float64)
>>> xx_.dtype is numpy.float64

False

测试 numpy 数组的 dtype 是 float64 的正确方法是什么？

Answer 1

这是库中的错误。

dtype objects可以动态构造。 NumPy 一直都是这样做的。无法保证他们在任何地方都被拘留，因此构建一个 dtype已经存在的会给你相同的。

最重要的是，np.float64实际上不是 dtype ;这是一个……我不知道这些类型叫什么，但是用于从数组字节构造标量对象的类型，通常在 type 中找到dtype 的属性，所以我将其称为 dtype.type . (注意 np.float64 是 NumPy 的数字塔类型和 Python 的数字塔 ABC 的子类，而 np.dtype 当然不是。)

通常，您可以互换使用它们；当你使用 dtype.type — 或者，就此而言，本地 Python 数字类型 — 其中 dtype预期，一个dtype是即时构建的(同样，不能保证被实习)，但这当然并不意味着它们是相同的:

>>> np.float64 == np.dtype(np.float64) == np.dtype('float64') 
True
>>> np.float64 == np.dtype(np.float64).type
True

dtype.type如果您使用内置类型，通常将是相同的:

>>> np.float64 is np.dtype(np.float64).type
True

但是两个dtype通常不是:

>>> np.dtype(np.float64) is np.dtype('float64')
False

但同样，这一切都无法保证。 (另外，请注意 np.float64 和 float 使用完全相同的存储，但是是不同的类型。当然你也可以制作一个 dtype('f8') ，它保证与 dtype(np.float64) 的工作方式相同，但这并不不是指 'f8' is ，甚至是 == , np.float64 。)

因此，可以通过显式传递 np.float64 来构造数组作为其 dtype参数将意味着您在检查 dtype.type 时返回相同的实例属性，但这不能保证。如果你通过 np.dtype('float64') ，或者你要求 NumPy 从数据中推断它，或者你传递一个 dtype 字符串让它像 'f8' 一样解析。等，匹配的可能性就更小了。更重要的是，你绝对不会得到np.float64返回为 dtype本身。

---

那么，应该如何修复呢？

好吧，文档定义了两个 dtype 的含义s 是相等，这是一个有用的东西，我认为这可能是您在这里寻找的有用的东西。所以，只需替换 is与 == :

if isinstance(xx_, numpy.ndarray) and xx_.dtype == numpy.float64 and xx_.flags.contiguous:

但是，在某种程度上，我只是猜测这就是您要查找的内容。 (它正在检查连续标志的事实意味着它可能会直接进入内部存储……但是为什么它不检查 C 与 Fortran 顺序、字节顺序或其他任何内容？)