Python bool 和 numpy bool_ 的行为究竟有何不同？

TLDR:is-comparison 适用于 Pythonbool且不适用于 numpybool_的。还存在其他差异吗？

几天前我遇到了布尔值的奇怪行为。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])

（这些变量名称纯属虚构，与真实变量名称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])

这正如预期的那样。我提到这个可爱的行为并立即忘记了。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]

当我深入研究阵列时，我发现了这一点very_cunning_arr建造者：numpy.object因为有几个非数字元素，所以它包含 Python bools 和arr1建造者：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]

我终于发现了区别：

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

在所有这些之后我有两个问题：

1. Do numpy.bool_ and bool他们的共同行为还有其他差异吗？ （我知道numpy.bool_有许多 numpy 函数和参数，例如.T和别的）
2. 如何检查 numpy 数组是否只包含 numpy 布尔值，而不包含 Pythonic 布尔值？

（PS：是的，NOW我知道与 True/False 相比is不好）：

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:

Edit 1:正如中提到的另一个问题 https://stackoverflow.com/questions/18922407/boolean-and-type-checking-in-python-vs-numpy, numpy 有自己的bool_类型。但这个问题的细节有点不同：我发现 is 语句的工作方式不同，但在这种差异之前 - 是否还有其他不同的共同点bool_ and bool行为？如果是的话，具体是什么？

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。对于对象数据类型，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，数组数据类型是布尔值。这些元素代表布尔值，但它们本身并不是 PythonTrue/False对象。严格来讲Out[119]才不是contain np.bool_对象。Out[119][1]是类型bool_，但这就是“拆箱”的结果。它是什么ndarray当您请求一个元素时，就会产生索引。 （这种“拆箱”区别对于所有非对象数据类型都是正确的。）

通常我们不会创建dtype对象，偏好np.array(True)，但要按照你的例子：

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这是一个严格的考验，不仅是对平等的考验，也是对身份的考验。不同类的对象不满足is测试。对象可以满足==测试不满足is test.

让我们来玩一下对象数据类型数组：

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]

In the Out[129]显示，两个False对象显示相同，但Out[130]测试表明它们是不同的。

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).

• 如果数组数据类型是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_。并申请item()进而产生一个Pythonbool.

• 如果数组对象 dtype，它很可能包含 Pythonbool，除非您已采取特殊步骤来包括bool_对象。