Question

这个问题似乎令人难以置信，但我无法弄清楚。我知道你可以检查python中的数据类型，但是如何根据数据类型设置条件？例如，如果我必须编写一个通过字典/列表排序并将所有整数相加的代码，那么如何隔离搜索以仅查找整数？

我想一个简单的例子看起来像这样：

y = []
for x in somelist:
    if type(x) == <type 'int'>:  ### <--- psuedo-code line
    y.append(x)
print sum(int(z) for z in y)

因此，对于第3行，我将如何设置这样的条件？

Answer 1

怎么样，

if isinstance(x, int):

但更清洁的方式就是

sum(z for z in y if isinstance(z, int))

Answer 2

有一个非常大的＆＃34;它取决于＆＃34;在Python中进行类型检查。有很多方法可以处理类型，并且都有其优点和缺点。在Python3中，还出现了更多。

明确的类型相等

类型是第一类对象，您可以像对待任何其他值一样对待它们。因此，如果您希望某事物的类型等于int，则只需测试它：

if type(x) == int:

这是最严格的测试类型：它需要完全类型相等。通常，这不是你想要的：

它排除了替代类型：float无效，即使它出于多种用途就像int一样。
它排除了子类和抽象类型：一个漂亮的打印int子类或enum将被拒绝，即使它们是逻辑上的整数。
- 严重限制了可移植性：Python2字符串可以 str或unicode，而整数可以 int或long。

请注意，显式类型相等用于低级操作：

某些类型的不能进行子类化，例如slice。明确的检查在这里更明确。
某些低级操作（如序列化或C-API）需要特定类型。

<强>变体

还可以对__class__属性执行比较：

if x.__class__ == int:

请注意，如果某个类定义了__class__属性，则这与type(x)不同。

当有多个要检查的类时，使用dict调度操作更易于扩展，并且可以比显式检查更快（≥5-10种类型）。这对转换和序列化特别有用：

dispatch_dict = {float: round, str: int, int: lambda x: x}
def convert(x):
    converter = self.dispatch_dict[type(x)]  # lookup callable based on type
    return converter(x)

对显式类型进行实例检查

惯用类型测试使用isinstance builtin：

if isinstance(x, int):

此检查既准确又高效。这通常是人们想要检查类型的原因：

它正确处理子类型。一个漂亮的打印int子类仍将通过此测试。
它允许一次检查多种类型。在Python2中，执行isinstance(x, (int, long))可以获得所有内置整数。

最重要的是，在大多数情况下，缺点可以忽略不计：

它仍然接受以怪异方式表现的时髦子类。由于可以使任何以奇怪的方式行事，因此这是徒劳的。
很容易太限制：许多人在任何序列（例如isinstance(x, list)）或甚至可迭代（例如tuple）时会检查generator做得也好。对于通用库而言，这比脚本或应用程序更受关注。

<强>变体

如果您已有类型，issubclass的行为相同：

if issubclass(x_type, int):

抽象类型的实例检查

Python有一个abstract base classes的概念。松散地说，这些表达了类型的含义，而不是它们的层次结构：

if isinstance(x, numbers.Real):  # accept anything you can sum up like a number

换句话说，类型（x）不一定从numbers.Real继承，但必须表现。不过，这是一个非常复杂和困难的概念：

如果您正在寻找基本类型，那通常会有些过分。在大多数情况下，整数只是int。
来自其他语言的人经常会混淆其概念。
- 区别于例如C ++，重点是抽象基础类，而不是抽象基类。
- ABCs可以像Java接口一样使用，但可能仍具有具体的功能。

但是，它对通用库和抽象非常有用。

许多函数/算法不需要显式类型，只需要它们的行为。
- 如果您只需要按键查找内容，dict会将您限制为特定的内存类型。相比之下，collections.abc.Mapping还包括数据库包装器，大型磁盘支持的字典，惰性容器......以及dict。
它允许表达部分类型约束。
- 没有严格的基类型实现迭代。但是，如果您针对collections.abc.Iterable检查对象，则它们都在for循环中工作。
它允许创建显示为相同抽象类型的单独的优化实现。

虽然通常不需要一次性脚本，但我强烈建议将其用于超出一些python版本的任何内容。

暂定转换

处理类型的惯用方法不是测试它们，而是假设它们是兼容的。如果您已经预期输入中存在一些错误的类型，只需跳过所有不兼容的内容：

try:
    ix = int(x)
except (ValueError, TypeError):
    continue  # not compatible with int, try the next one
else:
    a.append(ix)

这实际上不是类型检查，但通常用于相同的意图。

保证您的输出中有预期的类型。
在转换错误类型方面有一些有限的余地，例如：将float专门化为int。
无需您知道哪些类型符合int。

主要的缺点是它是一种明显的转变。

你可以默默接受＆＃34;错误＆＃34;值，例如转换包含文字的str。
它甚至可以毫无疑问地转换出足够好的类型，例如：当你需要数字时float到int。

转换是某些特定用例的有效工具。如果你大致知道你的输入是什么，它最有效，并且必须保证你的输出。

控制输入

最好的做法是确保您不必首先检查类型。这是一个元主题，因为它主要取决于用例。

此处，somelist的来源绝不应该将非数字放入其中。

Answer 3

让我声明int类型的变量x

x = 2
if type(x) == type(1) or isinstance(x, int):  
    # do something

两者都很好。

Answer 4

易于使用的类型。

import types
k = 5
if(type(k)==types.IntType):
   print "int"

这是一个快速目录（类型）：

['BooleanType', 'BufferType', 'BuiltinFunctionType', 'BuiltinMethodType', 'ClassType', 'CodeType', 'ComplexType', 'DictProxyType', 'DictType', 'DictionaryType', 'EllipsisType', 'FileType', 'FloatType', 'FrameType', 'FunctionType', 'GeneratorType', 'GetSetDescriptorType', 'InstanceType', 'IntType', 'LambdaType', 'ListType', 'LongType', 'MemberDescriptorType', 'MethodType', 'ModuleType', 'NoneType', 'NotImplementedType', 'ObjectType', 'SliceType', 'StringType', 'StringTypes', 'TracebackType', 'TupleType', 'TypeType', 'UnboundMethodType', 'UnicodeType', 'XRangeType', '__builtins__', '__doc__', '__file__', '__name__', '__package__']

Answer 5

您可以在操作员的两侧使用类型功能。像这样：

if type(x) == type(1):

Answer 6

您可以像这样简单地使用类型和等于运算符

if (type(x) == int):

如何根据数据类型在python中设置条件？

6 个答案: