পাইথনে অদ্ভুত প্রকারগুলি কীভাবে চিহ্নিত করব?

Question 1

কীভাবে নির্ভরযোগ্যভাবে নির্ধারণ করা যায় যে কোনও বস্তুর একটি অদ্ভুত প্রকার রয়েছে?

আমি বুঝতে পারি যে এই প্রশ্নটি হাঁসের টাইপিংয়ের দর্শনের বিপরীতে চলেছে, তবে ধারণাটি নিশ্চিত করা হয় যে কোনও ফাংশন (যা স্কিপি এবং নম্পি ব্যবহার করে) কখনই কোনও নমপি টাইপ না বললে কোনও ফাংশন (কখনই স্ক্রপি এবং নিম্পি ব্যবহার করে) কখনই ফিরিয়ে দেয় না। এটি অন্য প্রশ্নের সমাধানে উঠে আসে, তবে আমি মনে করি যে কোনও বস্তুর একটি অদ্ভুত টাইপ রয়েছে কিনা তা নির্ধারণের সাধারণ সমস্যা সেই মূল প্রশ্ন থেকে অনেক দূরে যে তাদের আলাদা করা উচিত।

Question 2

typeপ্রকারটি পাওয়ার জন্য অন্তর্নির্মিত ফাংশনটি ব্যবহার করুন , তারপরে আপনি __module__সম্পত্তিটি এটি কোথায় সংজ্ঞায়িত করা হয়েছে তা জানতে ব্যবহার করতে পারেন :

>>> import numpy as np
a = np.array([1, 2, 3])
>>> type(a)
<type 'numpy.ndarray'>
>>> type(a).__module__
'numpy'
>>> type(a).__module__ == np.__name__
True

Question 3

আমি যে সমাধানটি নিয়ে এসেছি তা হ'ল:

isinstance(y, (np.ndarray, np.generic) )

যাইহোক, এটি 100% পরিষ্কার নয় যে সমস্ত নালীর ধরনগুলি হয় np.ndarrayবা একটির জন্য গ্যারান্টিযুক্ত np.genericএবং এটি সম্ভবত সংস্করণ শক্তিশালী নয়।

Question 4

পুরানো প্রশ্ন তবে আমি একটি উদাহরণ সহ একটি নির্দিষ্ট উত্তর নিয়ে এসেছি। প্রশ্নগুলি তাজা রাখতে আঘাত করতে পারছি না কারণ আমার একই সমস্যা ছিল এবং এর সুস্পষ্ট উত্তর আমি পাইনি। কীটি হ'ল আপনি numpyআমদানি করেছেন কিনা তা নিশ্চিত করা এবং তারপরে isinstanceবুল চালান । এটি সহজ বলে মনে হতে পারে, আপনি যদি বিভিন্ন ডেটা ধরণের জুড়ে কিছু গণনা করছেন তবে এই ছোট চেকটি আপনার কিছু অদ্ভুত ভেক্টরাইজড ক্রিয়াকলাপ শুরুর আগে একটি দ্রুত পরীক্ষা হিসাবে কাজ করতে পারে।

##################
# important part!
##################

import numpy as np

####################
# toy array for demo
####################

arr = np.asarray(range(1,100,2))

########################
# The instance check
######################## 

isinstance(arr,np.ndarray)

Question 5

এটি আসলে আপনি যা খুঁজছেন তার উপর নির্ভর করে।

যদি আপনি পরীক্ষা করতে চান যে অনুক্রমটি আসলে একটি কিনা ndarray, একটি isinstance(..., np.ndarray)সম্ভবত সবচেয়ে সহজ। মডিউলটি ভিন্ন হতে পারে তা আপনি পটভূমিতে নম্পিকে পুনরায় লোড করবেন না তা নিশ্চিত করুন, তবে অন্যথায়, আপনার ঠিক আছে। MaskedArrays, matrix, recarrayসব উপশ্রেণী হয় ndarray, তাই আপনি নির্ধারণ করা উচিত।
যদি আপনি পরীক্ষা করে দেখতে চান যে কোনও স্কেলারটি একটি নমপি স্কেলার কিনা, তবে জিনিসগুলি কিছুটা জটিল হয়ে যায়। আপনি এটির একটি shapeএবং একটি dtypeবৈশিষ্ট্য আছে কিনা তা পরীক্ষা করতে পারেন । আপনি এটির dtypeমূল ধরণের সাথে তুলনা করতে পারেন , যার তালিকায় আপনি এটি খুঁজে পেতে পারেন np.core.numerictypes.genericTypeRank। মনে রাখবেন যে এই তালিকার উপাদানগুলি স্ট্রিং, তাই আপনাকে একটি করতে হবে tested.dtype is np.dtype(an_element_of_the_list)...

Question 6

প্রকারটি পেতে, অন্তর্নির্মিত typeফাংশনটি ব্যবহার করুন । সঙ্গে inঅপারেটর, আপনি যদি টাইপ চেক যদি এটা স্ট্রিং ধারণ করে একটি numpy ধরনের পরীক্ষা করতে পারেন numpy;

In [1]: import numpy as np

In [2]: a = np.array([1, 2, 3])

In [3]: type(a)
Out[3]: <type 'numpy.ndarray'>

In [4]: 'numpy' in str(type(a))
Out[4]: True

(এই উদাহরণটি আইপিথনে চালিত হয়েছিল , ইন্টারেক্টিভ ব্যবহার এবং দ্রুত পরীক্ষার জন্য খুব কার্যকর))

Question 7

লক্ষ্য করুন type(numpy.ndarray)একটি হল typeনিজেই এবং বুলিয়ান এবং স্কালে ধরনের জন্য সতর্ক। এটি স্বজ্ঞাত বা সহজ না হলে খুব বেশি হতাশ হবেন না, এটি প্রথমে ব্যথা।

আরও দেখুন: - https://docs.scipy.org/doc/numpy-1.15.1/references/arrays.dtyype.html - https://github.com/machinalis/mypy-data/tree/master/numpy- মাইপি

>>> import numpy as np
>>> np.ndarray
<class 'numpy.ndarray'>
>>> type(np.ndarray)
<class 'type'>
>>> a = np.linspace(1,25)
>>> type(a)
<class 'numpy.ndarray'>
>>> type(a) == type(np.ndarray)
False
>>> type(a) == np.ndarray
True
>>> isinstance(a, np.ndarray)
True

বুলিয়ান সঙ্গে মজা:

>>> b = a.astype('int32') == 11
>>> b[0]
False
>>> isinstance(b[0], bool)
False
>>> isinstance(b[0], np.bool)
False
>>> isinstance(b[0], np.bool_)
True
>>> isinstance(b[0], np.bool8)
True
>>> b[0].dtype == np.bool
True
>>> b[0].dtype == bool  # python equivalent
True

স্কেলারের ধরণের সাথে আরও মজা করুন, দেখুন: - https://docs.scipy.org/doc/numpy-1.15.1/references/arrays.scalars.html#arrays-scalars-built-in

>>> x = np.array([1,], dtype=np.uint64)
>>> x[0].dtype
dtype('uint64')
>>> isinstance(x[0], np.uint64)
True
>>> isinstance(x[0], np.integer)
True  # generic integer
>>> isinstance(x[0], int)
False  # but not a python int in this case

# Try matching the `kind` strings, e.g.
>>> np.dtype('bool').kind                                                                                           
'b'
>>> np.dtype('int64').kind                                                                                          
'i'
>>> np.dtype('float').kind                                                                                          
'f'
>>> np.dtype('half').kind                                                                                           
'f'

# But be weary of matching dtypes
>>> np.integer
<class 'numpy.integer'>
>>> np.dtype(np.integer)
dtype('int64')
>>> x[0].dtype == np.dtype(np.integer)
False

# Down these paths there be dragons:

# the .dtype attribute returns a kind of dtype, not a specific dtype
>>> isinstance(x[0].dtype, np.dtype)
True
>>> isinstance(x[0].dtype, np.uint64)
False  
>>> isinstance(x[0].dtype, np.dtype(np.uint64))
Traceback (most recent call last):
  File "<console>", line 1, in <module>
TypeError: isinstance() arg 2 must be a type or tuple of types
# yea, don't go there
>>> isinstance(x[0].dtype, np.int_)
False  # again, confusing the .dtype with a specific dtype


# Inequalities can be tricky, although they might
# work sometimes, try to avoid these idioms:

>>> x[0].dtype <= np.dtype(np.uint64)
True
>>> x[0].dtype <= np.dtype(np.float)
True
>>> x[0].dtype <= np.dtype(np.half)
False  # just when things were going well
>>> x[0].dtype <= np.dtype(np.float16)
False  # oh boy
>>> x[0].dtype == np.int
False  # ya, no luck here either
>>> x[0].dtype == np.int_
False  # or here
>>> x[0].dtype == np.uint64
True  # have to end on a good note!