如何检查变量是 python 列表、numpy 数组还是 pandas 系列

Posted 2023-02-23

【中文标题】如何检查变量是 python 列表、numpy 数组还是 pandas 系列

【英文标题】：How to check if a variable is either a python list, numpy array or pandas series

【发布时间】：2017-09-30 15:11:02

【问题描述】：

我有一个函数，它接受一个变量，如果它是以下三种类型中的任何一种，它就会起作用

 1. pandas Series
 2. numpy array (ndarray)
 3. python list

应拒绝任何其他类型。最有效的检查方法是什么？

【问题讨论】：

tuple 怎么样？我问是因为您可能过度限制了您的输入。

那么你建议检查输入是否是一个类似列表的对象，包括np.ndarray和pd.Series？无论如何，我一直在寻找比当前接受的答案更优雅的东西。

【参考方案1】：

您可以使用isinstance：

import pandas as pd
import numpy as np
def f(l):
    if isinstance(l,(list,pd.core.series.Series,np.ndarray)):
        print(5)
    else:
        raise Exception('wrong type')

然后f([1,2,3]) 打印 5 而f(3.34) 引发错误。

【讨论】：

pd.core.series.Series和pd.Series有什么区别？

@Zhang18，你也可以使用 pd.Series。我使用 pd.core.series.Series 只是因为 type(pd.Series([1,2,3])) 给出了 pd.core.series.Series。然而，它们都有效，因为 pd.Series==pd.core.series.Series 是 True

很可能，Series 实际上是在pd.core.series 模块中定义的，但是为了方便起见，然后将Series 类从那里导入***__init__.py。

【参考方案2】：

Python type() 应该在这里完成工作

l = [1,2]
s= pd.Series(l)
arr = np.array(l) 

当你打印时

type(l)
list

type(s)
pandas.core.series.Series

type(arr)
numpy.ndarray

【参考方案3】：

这完全取决于您要实现的目标（您是否允许元组，range 对象怎么样？），但限制较少但仍然不允许字符串（我猜这是您真的很想实现）你可以使用下面的代码。

import collections
import pandas
import numpy

def myfunc(x):
    if not isinstance(x, collections.abc.Iterable) or isinstance(x, (str, bytes)):
        raise ValueError('A non-string iterable is required')
    return 'Yay!'

myfunc([9, 7])
myfunc((9, 7))
myfunc(numpy.arange(9))
myfunc(range(9))
myfunc(pandas.Series([9, 7]))
myfunc('Boo')  # THIS WILL RAISE A ValueError!!!!!

【参考方案4】：

其他答案很好，但我更喜欢这种方式：

if np.ndim(l)!=0:
    # this is something like a series, list, ndarray, etc.

这很好，因为它提供了更多的鸭式打字灵活性：

if isinstance(l, (pd.Series, list, np.ndarray)):
    # this is ONLY a pd.Series, list, or ndarray

...但它比这更好，这将允许一个字符串或一个迭代器——这两者通常都是不需要的：

if isinstance(l, typing.Iterable):
    # this any iterable

...或者这个，它排除了一个字符串但（奇怪地）不排除一个迭代器：

if not np.isscalar(l):
    # this is something like a series, list, ndarray, etc.

但是，如果您真的只想要 list、ndarray 或 Series，则最好选择其他答案。

【参考方案5】：

你可以像这样使用 isinstance：

import pandas as pd
import numpy as np

#Simple List
simple_list = [1,2]  

#numpy array
np_array = np.array(simple_list) 

#Pandas series
pandas_series = pd.Series(simple_list)  


if isinstance(simple_list, list):
    print("This is a list: ", simple_list)

if isinstance(np_array, np.ndarray):
    print("This is a numpy array: ", np_array)

if isinstance(pandas_series, pd.core.series.Series):
    print("This is pandas series: ", pandas_series)

【参考方案6】：

虽然接受的答案使用内置的isinstance，但当接受的数据类型已知/已知时，它本身应该是首选方式。

在我看来，使用来自 pandas.api.types 的检查更加灵活和健壮，它涵盖了更广泛的 dtype 检查。例如，pd.api.types.is_list_like 检查被视为类似列表的对象，例如 Python 列表、元组、集合、NumPy 数组和 Pandas 系列。

请注意，我们也可以测试嵌套列表以及类似对象的平面列表，

import pandas as pd

pd.api.types.is_list_like([1,2,3]), pd.api.types.is_list_like(np.array([[1], [2], [3]]))    

（真，真）

虽然下面给出，

pd.api.types.is_list_like("This is a string not a list like object")

错误

这在需要更广泛的检查时特别有用，例如使用pandas.api.types.is_re_compilable 检查输入字符串是否可以编译为有效的正则表达式模式并使用pandas.api.types.is_datetime64_ns_dtype 检查输入是否为 datetime64[ns] dtype。