一致的数字类型检查

Question

一致的数字类型检查

4

让我们把鸭子留在池塘里。

为了明确，我正在使用Python 2.7.3。

我正在进行数字检查的操作，发现了一些奇怪的事情：

In [1]: numbers.Number.mro()
Out[1]: [numbers.Number, object]

In [2]: numbers.Complex.mro()
Out[2]: [numbers.Complex, numbers.Number, object]

In [3]: numbers.Real.mro()
Out[3]: [numbers.Real, numbers.Complex, numbers.Number, object]

In [4]: numbers.Rational.mro()
Out[4]: [numbers.Rational, numbers.Real, numbers.Complex,
         numbers.Number, object]

In [5]: numbers.Integral.mro()
Out[5]: [numbers.Integral, numbers.Rational, numbers.Real,
         numbers.Complex, numbers.Number, object]

我认为这种做法是有些逆向思维的，并且在 Python 本身内部存在一定的矛盾（如 int、float 和 complex 直接继承自 object）：

In [6]: isinstance(int(), complex)
Out[6]: False

In [7]: isinstance(int(), numbers.Complex)
Out[7]: True

然后我写了以下函数：

def numeric_check(num):
    print "Is an int:", isinstance(num, int)
    print "Is a float:", isinstance(num, float)
    print "Is a complex:", isinstance(num, complex)
    print "Is a numbers.Number:", isinstance(num, numbers.Number)
    print "Is an numbers.Integer:", isinstance(num, numbers.Integral)
    print "Is a numbers.Real:", isinstance(num, numbers.Real)
    print "Is a numbers.Complex:", isinstance(num, numbers.Complex)
    print "Is a numpy.integer:", isinstance(num, numpy.integer)
    print "Is a numpy.floating:", isinstance(num, numpy.floating)
    print "Is a numpy.complex:", isinstance(num, numpy.complex)

并运行以下循环：

for dtype in [int, float, complex,
              numpy.int16, numpy.int32, numpy.int64,
              numpy.uint16, numpy.uint32, numpy.uint64,
              numpy.float16, numpy.float32, numpy.float64, numpy.complex64]:
    num = dtype()
    print dtype
    numeric_check(num)

以下是部分输出：

    类型 'int'
    是否为整型：True
    是否为浮点型：False
    是否为复数：False
    是否为 numbers.Number 类型：True
    是否为 numbers.Integer 类型：True
    是否为 numbers.Real 类型：True
    是否为 numbers.Complex 类型：True
    是否为 numpy.integer 类型：False
    是否为 numpy.floating 类型：False
    是否为 numpy.complex 类型：False

从上面的输出可以看出，int 是 numbers 模块中任何类型的一个实例。在我的电脑上，numpy 整型默认为 64 位，我们来看一下：

    类型 'numpy.int64'
    是否为整型：True
    是否为浮点型：False
    是否为复数：False
    是否为 numbers.Number 类型：True
    是否为 numbers.Integer 类型：True
    是否为 numbers.Real 类型：True
    是否为 numbers.Complex 类型：True
    是否为 numpy.integer 类型：True
    是否为 numpy.floating 类型：False
    是否为 numpy.complex 类型：False

它与 int 相同，并且额外通过了 numpy.integer。让我们检查一下 numpy.int16：

    类型 'numpy.int16'
    是否为整型：False
    是否为浮点型：False
    是否为复数：False
    是否为 numbers.Number 类型：False
    是否为 numbers.Integer 类型：False
    是否为 numbers.Real 类型：False
    是否为 numbers.Complex 类型：False
    是否为 numpy.integer 类型：True
    是否为 numpy.floating 类型：False
    是否为 numpy.complex 类型：False

糟糕，它只通过了 numpy.integer。所以我的问题是：

这是斯巴达吗？
numpy 部分的类型分离是一种设计选择吗？
除去鸭子类型，如果我想检查数字类型，最好忽略 numbers 模块，而改用以下方式吗？

类型检查：

isinstance(num, (int, numpy.integer)
isinstance(num, (float, numpy.floating)
isinstance(num, (complex, numpy.complex)

- Midnighter

1个回答

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- HYRY · Accepted Answer

数字中的类是抽象基类，您可以将numpy.int *注册为整数：

import numpy as np
import numbers
numbers.Integral.register(numpy.integer)
a = np.int16(100)
isinstance(a, numbers.Integral)

但是numpy.int16的范围比int小，如果你使用numpy.int16进行计算，可能会导致溢出。