Почему numpy.isrealobj ('строка') является верным?

Question

Я заметил, что numpy.isrealobj возвращает True для строк или логических значений, тогда как numpy.iscomplexobj возвращает False (даже если строка может представлять комплексное число).

numpy.isreal возвращает False для строки (даже если строка может представлять действительное число), но True для логического значения.

Однако numpy.isreal возвращает True для dict ??

Логика этого ускользает от меня и делает функцию isrealobj не очень полезной (для моего приложения).Это ошибка (и о ней нужно сообщать)?

$ python3
Python 3.4.9 (default, Aug 14 2018, 21:28:57) 
[GCC 4.8.5 20150623 (Red Hat 4.8.5-28)] on linux
Type "help", "copyright", "credits" or "license" for more information.
>>> import numpy
>>> numpy.version.version
'1.10.4'
>>> numpy.isrealobj('a string')
True
>>> numpy.iscomplexobj('1+1j')
False
>>> numpy.isrealobj(False)
True
>>> numpy.iscomplexobj(False)
False
>>> numpy.isreal('1.0')
False
>>> numpy.isreal(True)
True
>>> numpy.isreal({'a':'1','b':1})
True

Answer 1

Использование np.isrealobj?? в IPython (или ссылка [source] онлайн):

def isrealobj(x):
    """
    Return True if x is a not complex type or an array of complex numbers.
    ...
    See Also
    --------
    iscomplexobj, isreal
    ...

    """
    return not iscomplexobj(x)

Эта первая строка представляет собой разумное резюме кода, особенно если вы не слишком много читаете в него. Примечание See Also также указывает в этом направлении. И это, и iscomplexobj говорят, что они проверяют type, а не value со специальным примечанием о an imaginary part equal to zero.

Код для iscomplexobj:

    try:
        dtype = x.dtype
        type_ = dtype.type
    except AttributeError:
        type_ = asarray(x).dtype.type
    return issubclass(type_, _nx.complexfloating)

Проверяется dtype из x или dtype np.asarray(x), если x уже не является ndarray.

In [113]: np.array('1+1j').dtype
Out[113]: dtype('<U4')
In [114]: np.array({}).dtype
Out[114]: dtype('O')
In [115]: np.array(1.23).dtype
Out[115]: dtype('float64')
In [116]: np.array(1.23+0j).dtype
Out[116]: dtype('complex128')

isinstance проверяет __mro__ стек

In [117]: np.float64.__mro__
Out[117]: 
(numpy.float64,
 numpy.floating,
 numpy.inexact,
 numpy.number,
 numpy.generic,
 float,
 object)
In [118]: np.complex128.__mro__
Out[118]: 
(numpy.complex128,
 numpy.complexfloating,
 numpy.inexact,
 numpy.number,
 numpy.generic,
 complex,
 object)

Эта логика применяется ко всем перечисленным здесь функциям is_type: https://docs.scipy.org/doc/numpy-1.15.1/reference/routines.logic.html#array-type-testing

При понимании функции Python код является королем. Документация должна быть хорошим резюме этого действия, но обычно не может охватить все нюансы. Название в лучшем случае полезно мнемоника. Все они должны быть поняты в контексте Python и их пакета.

---

Проверка на function с атрибутом __call__ имеет смысл, как и isinstance для str.

real objects все еще немного неясно. Я думаю, type(12) и type(12.3) должны проверить истину. Как насчет type(12+1j)? Как насчет numpy массивов или объектов numpy.ScalarType?

Краткий веб-поиск "python test for number" привел меня к numbers.Number test:

https://docs.python.org/3.7/library/numbers.html

In [134]: import numbers
In [135]: isinstance(12, numbers.Number)
Out[135]: True
In [136]: isinstance(12.23, numbers.Number)
Out[136]: True
In [137]: isinstance(12.23+1j, numbers.Number)
Out[137]: True
In [138]: isinstance('12.23+1j', numbers.Number)
Out[138]: False
In [139]: isinstance({}, numbers.Number)
Out[139]: False
In [140]: isinstance(np.float64(12), numbers.Number)
Out[140]: True
In [141]: isinstance(np.complex(12), numbers.Number)
Out[141]: True