Python bool 和 numpy bool_ 的行为究竟有何不同？

Question

TLDR: is-comparison 适用于 Python bool，不适用于 numpy bool_。是否存在其他差异？

---

几天前，我遇到了布尔人的一种奇怪行为。当我尝试对这个 numpy 数组使用 is-comparison 时：

arr1 = np.array([1,0,2,0], dtype=bool)
arr1

Out[...]: array([ True, False,  True, False])

（这些变量名是虚构的，与真实变量名或生产代码的任何相似之处纯属巧合）

我看到了这个结果：

arr1 is True

Out[...]: False

这是合乎逻辑的，因为arr1它不是 True 或 False，它是 numpy 数组。我检查了这个：

arr1 == True

Out[...]: array([ True, False,  True, False])

这按预期工作。我提到了这个可爱的行为并立即忘记了它。第二天，我检查了数组元素的真实性：

[elem is False for elem in arr1]

它返回给我这个！

Out[...]: [False, False, False, False]

我真的很困惑，因为我记得在 Python 数组中（我认为问题出在数组行为中）：

arr2 = [True, False, True, False]
[elem is False for elem in arr2]

有用：

Out[...]: [False, True, False, True]

此外，它在我的另一个 numpy 数组中工作：

very_cunning_arr = np.array([1, False, 2, False, []])
[elem is False for elem in very_cunning_arr]

Out[...]: [False, True, False, True, False]

当我深入研究我的数组时，我解开了它very_cunning_arr是由numpy.object几个非数字元素arr1构造的，因此它包含 Python bool并由numpy.bool_. 所以我检查了他们的行为：

numpy_waka = np.bool_(True)
numpy_waka

Out[...]: True

python_waka = True
python_waka

Out[...]: True

[numpy_waka is True, python_waka is True]

我终于找到了区别：

Out[...]: [False, True]

在所有这些之后，我有两个问题：

1. 做numpy.bool_和bool在他们共同的行为有些另一个区别是什么？（我知道numpy.bool_有很多 numpy 函数和参数，比如.T和其他）
2. 如何检查 numpy 数组是否只包含 numpy 布尔值，而没有 Pythonic 布尔值？

（PS：是的，现在我知道与 True/False 相比is是不好的）：

不要使用 == 将布尔值与 True 或 False 进行比较。

Yes:   if greeting:
No:    if greeting == True:
Worse: if greeting is True:

编辑 1：正如在另一个问题中提到的，numpy 有它自己的bool_类型。但是这个问题的细节有点不同：我发现 is-statements 的工作方式不同，但在这种差异之前 - 是否还有其他共同点bool_和bool行为不同？如果是，具体是什么？

Answer 1

In [119]: np.array([1,0,2,0],dtype=bool)                                             
Out[119]: array([ True, False,  True, False])

In [120]: np.array([1, False, 2, False, []])                                         
Out[120]: array([1, False, 2, False, list([])], dtype=object)

注意数据类型。使用 object dtype，数组的元素是 Python 对象，就像它们在源列表中一样。

在第一种情况下，数组 dtype 是布尔值。这些元素代表布尔值，但它们本身并不是 PythonTrue/False对象。严格来说Out[119]不contain np.bool_反对。 Out[119][1]是 type bool_，但这是“拆箱”的结果。ndarray当您请求一个元素时，这就是索引产生的结果。（这种“拆箱”区别适用于所有非对象 dtype。）

通常我们不创建dtype对象，更喜欢np.array(True)，而是按照您的示例：

In [124]: np.bool_(True)                                                             
Out[124]: True
In [125]: type(np.bool_(True))                                                       
Out[125]: numpy.bool_
In [126]: np.bool_(True) is True                                                     
Out[126]: False
In [127]: type(True)                                                                 
Out[127]: bool

is是一个严格的测试，不仅仅是为了平等，而是为了身份。不同类别的对象不满足is测试。对象可以满足==测试而不满足is测试。

让我们使用对象 dtype 数组：

In [129]: np.array([1, False, 2, np.bool_(False), []])                               
Out[129]: array([1, False, 2, False, list([])], dtype=object)
In [130]: [i is False for i in _]                                                    
Out[130]: [False, True, False, False, False]

在Out[129]显示中，两个False对象显示相同，但Out[130]测试显示它们不同。

专注于您的问题。

• np.bool_(False)是一个独特的对象，但不同于False。正如您所注意到的，它具有许多与np.array(False).

• 如果数组 dtype 是bool它不包含 Pythonbool对象。它甚至不包含np.bool_对象。然而，索引这样的数组会产生一个bool_. 并item()反过来应用它会产生一个 Python bool。

• 如果数组对象 dtype，它很可能将包含 Python bool，除非您已采取特殊步骤来包含bool_对象。