Pau*_*zer 6 python numpy sequence
Python文档有点模棱两可
序列
一个通过
__getitem__()特殊方法支持使用整数索引的有效元素访问的可迭代对象，并定义了一个__len__()返回序列长度的方法。一些内置的序列类型是列表、字符串、元组和字节。请注意， dict 也支持__getitem__()and__len__()，但被视为映射而不是序列，因为查找使用任意不可变键而不是整数。collections.abc.Sequence 抽象基类定义了一个更丰富的接口，它超越了
__getitem__()and__len__()，添加了 count()、index()__contains__()、 和__reversed__()。可以使用 register() 显式注册实现此扩展接口的类型。
特别是，使用某些人推荐abc.collections.Sequence的黄金标准意味着，例如，numpy 数组不是序列：
isinstance(np.arange(6),collections.abc.Sequence)
# False
还有一种叫做序列 协议的东西，但它似乎只在 C-API 中公开。那里的标准是
int PySequence_Check(PyObject *o)
如果对象提供序列协议，则返回 1，否则返回 0。请注意，
__getitem__()除非它们是 dict 子类，否则它为带有方法的Python 类返回 1， 因为在一般情况下，无法确定它支持的键类型。此功能总是成功。
最后，我不会太密切关注这个新的 (-ish) 类型注释业务，但我想这也将受益于序列是什么的清晰概念。
所以我的问题既有哲学的一面，也有实际的一面：序列到底是什么？以及如何测试某事物是否为序列？理想情况下，以某种方式制作 numpy 数组序列。如果我开始注释，我将如何处理序列？
如果您知道什么是结构类型、名义类型和鸭子类型，请跳过。
我认为大部分的混淆来自于typing3.5 和 3.6 版本之间的临时模块这一事实。并且仍然会在 3.7 和 3.8 版本之间发生变化。这意味着 Python 如何通过类型注释来处理输入的问题有很多变化。
python既是鸭子类型又是名义类型也无济于事。也就是说，在访问对象的属性时，Python 是鸭子类型的。该对象只会在运行时检查它是否具有属性，并且仅在立即请求时才会检查。然而，Python 也有名义上的输入特性（例如isinstance()和issubclass()）。名义类型是将一种类型声明为另一种类型的子类。这可以通过继承，或与所述register()的方法ABCMeta。
typing最初使用名义类型的概念引入了它的类型。从 3.8 开始，它试图允许更多的 Pythonic 结构类型。结构类型与鸭子类型相关，只是它是在“编译时”而不是运行时考虑的。例如，当 linter 试图检测可能的类型错误时——例如，如果您将 a 传递dict给只接受元组或列表等序列的函数。对于结构类型，如果一个类实现了 的所有方法B，A那么它应该被认为是 的子类型A，不管它是否被声明为 的子类型A（如在名义类型中）。
序列（小 s）是鸭子类型。序列是提供对其成员的随机访问的任何有序对象集合。具体来说，如果它定义__len__并__getitem__使用 0 到 n-1 之间的整数索引，那么它就是一个序列。A Sequence (big s) 是一种名义类型。也就是说，要成为 Sequence，必须通过继承 Sequence 或注册为子类来声明类。
numpy 数组是一个序列，但它不是Sequence，因为它没有注册为 Sequence 的子类。也不应该是，因为它没有实现 Sequence 承诺的完整接口（例如count()和index()缺少的东西）。
听起来您想要的是序列的结构化类型（小 s）。从 3.8 开始，这可以通过使用协议来实现。协议定义了一组方法，类必须实现这些方法才能被视为协议的子类（结构类型）。
from typing import Protocol
import numpy as np
class MySequence(Protocol):
def __getitem__(self, index):
raise NotImplementedError
def __len__(self):
raise NotImplementedError
def __contains__(self, item):
raise NotImplementedError
def __iter__(self):
raise NotImplementedError
def f(s: MySequence):
for i in range(len(s)):
print(s[i], end=' ')
print('end')
f([1, 2, 3, 4]) # should be fine
arr: np.ndarray = np.arange(5)
f(arr) # also fine
f({}) # might be considered fine! Depends on your type checker
协议相当新，因此并非所有 IDE/类型检查器都可能支持它们。我使用的 IDE PyCharm 可以。它不喜欢f({})，但很高兴将 numpy 数组视为序列（大 S）（可能并不理想）。您可以通过使用 的runtime_checkable装饰器启用协议的运行时检查typing。请注意，所有这些都是单独检查每个协议方法是否可以在给定的对象/类上找到。因此，如果您的协议有很多方法，它会变得非常昂贵。
根据您粘贴的文档：
collections.abc.Sequence 抽象基类定义了一个更丰富的接口，它不仅仅是
__getitem__()and__len__()，还添加了count(),index(),__contains__(), 和__reversed__()。实现此扩展接口的类型可以使用 register() 显式注册。
numpy.ndarray没有实现该Sequence协议，因为它没有实现count()或index()：
>>> arr = numpy.arange(6)
>>> isinstance(arr, Sequence)
False
>>> arr.count(3)
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
AttributeError: 'numpy.ndarray' object has no attribute 'count'
>>> arr.index(3)
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
AttributeError: 'numpy.ndarray' object has no attribute 'index'
对比a range：
>>> r = range(6)
>>> isinstance(r, Sequence)
True
>>> r.count(3)
1
>>> r.index(3)
3
如果你想声明这arr是一个Sequence，你可以使用register()类方法：
>>> Sequence.register(numpy.ndarray)
<class 'numpy.ndarray'>
>>> isinstance(arr, Sequence)
True
但这是一个谎言，因为它实际上并没有实现协议（该register()函数实际上并没有检查这一点，它只是信任你）：
>>> arr.count(3)
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
AttributeError: 'numpy.ndarray' object has no attribute 'count'
numpy.ndarray因此，如果将 a 传递给需要 a 的函数，这样做可能会导致错误Sequence。