La identificación de los tipos numéricos y matriz en numpy

Question

¿Existe una función existente en numpy que me diga si un valor es un tipo numérico o una matriz numpy? Estoy escribiendo un código de procesamiento de datos que necesita para manejar números en varias representaciones diferentes (por "número" me refiero a cualquier representación de una cantidad numérica que puede ser manipulado utilizando los operadores aritméticos estándar, +, -, *, /, * *).

Algunos ejemplos del comportamiento Estoy buscando

>>> is_numeric(5) 
True 
>>> is_numeric(123.345) 
True 
>>> is_numeric('123.345') 
False 
>>> is_numeric(decimal.Decimal('123.345')) 
True 
>>> is_numeric(True) 
False 
>>> is_numeric([1, 2, 3]) 
False 
>>> is_numeric([1, '2', 3]) 
False 
>>> a = numpy.array([1, 2.3, 4.5, 6.7, 8.9]) 
>>> is_numeric(a) 
True 
>>> is_numeric(a[0]) 
True 
>>> is_numeric(a[1]) 
True 
>>> is_numeric(numpy.array([numpy.array([1]), numpy.array([2])]) 
True 
>>> is_numeric(numpy.array(['1']) 
False 

Si no existe tal función, ya sé que no debería ser difícil de escribir uno, algo así como

isinstance(n, (int, float, decimal.Decimal, numpy.number, numpy.ndarray)) 

pero son Hay otros tipos numéricos que debo incluir en la lista?

Answer 1

Como otros han contestado, podría haber otros tipos numéricos, además de los que mencionas. Un enfoque sería para comprobar explícitamente las capacidades que desea, con algo como

# Python 2 
def is_numeric(obj): 
    attrs = ['__add__', '__sub__', '__mul__', '__div__', '__pow__'] 
    return all(hasattr(obj, attr) for attr in attrs) 

# Python 3 
def is_numeric(obj): 
    attrs = ['__add__', '__sub__', '__mul__', '__truediv__', '__pow__'] 
    return all(hasattr(obj, attr) for attr in attrs) 

Esto funciona para todos los ejemplos excepto la última, numpy.array(['1']). Esto se debe a que numpy.ndarray tiene los métodos especiales para operaciones numéricas, pero plantea TypeError si intenta utilizarlos de forma inapropiada con matrices de cadenas o objetos. Puede agregar una verificación explícita para esto como

... and not (isinstance(obj, ndarray) and obj.dtype.kind in 'OSU') 

Esto puede ser suficiente.

Pero ... nunca se puede 100% seguro de que alguien no definirá otro tipo con el mismo comportamiento, por lo que una forma más infalible es intentar hacer un cálculo y detectar la excepción, algo así como

def is_numeric_paranoid(obj): 
    try: 
     obj+obj, obj-obj, obj*obj, obj**obj, obj/obj 
    except ZeroDivisionError: 
     return True 
    except Exception: 
     return False 
    else: 
     return True 

pero dependiendo de la frecuencia con la que va a llamar a usarlo y con qué argumentos, esto puede no ser práctico (que puede ser potencialmente lenta, por ejemplo, con matrices grandes).

Answer 2

Su is_numeric está mal definido. Vea mis comentarios a su pregunta.

Otros tipos numéricos podrían ser: long, complex, fractions.Fraction, numpy.bool_, numpy.ubyte, ...

operator.isNumberType() vuelve True para los números de Python y numpy.array.

Desde Python 2.6 puede usar isinstance(d, numbers.Number) en lugar de obsoleto operator.isNumberType().

lo general, es mejor para comprobar las capacidades del objeto (por ejemplo, si se puede añadir un número entero a ella) y no su tipo.

Answer 3

En general, la forma flexible, rápido y Pythonic para manejar tipos desconocidos es sólo realizar alguna operación en ellos y capturar una excepción en los tipos válidos.

try: 
    a = 5+'5' 
except TypeError: 
    print "Oops" 

Me parece que este enfoque es más fácil que la carcasa especial a cabo alguna función para determinar el tipo de certeza absoluta.

Answer 4

isinstance(numpy.int32(4), numbers.Number) devuelve False, por lo que no funciona. operator.isNumberType() funciona en todas las variantes de números numpy, sin embargo, incluido numpy.array([1]).

Answer 5

Además, numpy tiene numpy.isreal y otras funciones similares (numpy.is + Tab debe listarlas).

Todos tienen sus fundas de esquina divertidas, pero una de ellas podría ser útil.