使用dtype属性:>>> import numpy
>>> ar = numpy.array(range(10))
>>> ar.dtype
dtype('int32')
解释
Python列表类似于数组:>>> [[1, 2], [3, 4]]
[[1, 2], [3, 4]]
但是对于分析和科学计算,我们通常使用numpy包的数组进行高性能计算:>>> import numpy as np
>>> np.array([[1, 2], [3, 4]])
array([[1, 2],
[3, 4]])
如果您要求检查数组中的数据类型,我们可以使用数组中感兴趣项的索引来完成此操作(在这里,我将依次深入到最深的元素):>>> ar = np.array([[1, 2], [3, 4]])
>>> type(ar)
>>> type(ar[0])
>>> type(ar[0][0])
我们还可以通过访问dtype属性直接检查数据类型>>> ar.dtype
dtype('int32')
例如,如果数组是字符串,我们将了解最长字符串的长度:>>> ar = numpy.array([['apple', 'b'],['c', 'd']])
>>> ar
array([['apple', 'b'],
['c', 'd']],
dtype='|S5')
>>> ar = numpy.array([['apple', 'banana'],['c', 'd']])
>>> ar
array([['apple', 'banana'],
['c', 'd']],
dtype='|S6')
>>> ar.dtype
dtype('S6')
我倾向于不给我的导入起别名,所以我有这里看到的一致性(我通常是这样做的)。>>> ar.dtype.type
>>> ar.dtype.type == numpy.string_
True
但是import numpy as np(也就是说,它的别名)是常见的:>>> import numpy as np
>>> ar.dtype.type == np.string_
True