如何判断NumPy数组是否可迭代？0维数组迭代问题求解

我能迭代数组y，但没法迭代数组x。代码和输出如下：

import numpy as np

x = np.array(1)
y = np.array([1])
    
print(f'x --- shape: {np.shape(x)}, iter: {hasattr(x, "__iter__")}')
print(f'y --- shape:  {np.shape(y)}, iter: {hasattr(y, "__iter__")}, len: {len(y)}')

输出：

x --- shape: (), iter: True
y --- shape:  (1,), iter: True, len: 1

调用len(x)会触发类型错误（因为它是无尺寸的0维对象），迭代x也会报错。我本来想通过检查__iter__属性来判断是否可迭代，不行就转成形状为(1,)的数组，但x明明有__iter__属性却不能迭代，这个方法没用，该怎么解决？

numpy的0维数组虽然带__iter__属性，但实际根本没法迭代（一迭代就会抛出TypeError: iteration over a 0-d array）。别纠结__iter__了，换这两种靠谱的方式：

方式1：检查数组维度 #

直接看数组的ndim属性，0维就转成1维：

import numpy as np

def make_iterable(arr):
    if arr.ndim == 0:
        # 两种转1维的方式选一个就行
        return np.expand_dims(arr, axis=0)
        # 或者 return np.array([arr.item()])
    return arr

# 测试x
x_processed = make_iterable(np.array(1))
print(f'处理后x的shape: {np.shape(x_processed)}, 可迭代: {hasattr(x_processed, "__iter__")}, len: {len(x_processed)}')
# 输出：处理后x的shape: (1,), 可迭代: True, len: 1

# 测试y
y_processed = make_iterable(np.array([1]))
print(f'处理后y的shape: {np.shape(y_processed)}, 可迭代: {hasattr(y_processed, "__iter__")}, len: {len(y_processed)}')
# 输出：处理后y的shape: (1,), 可迭代: True, len: 1

方式2：用numpy内置的np.atleast_1d() #

这是最省心的方法，它会自动把0维数组、标量转成1维，1维及以上的数组保持原样：

import numpy as np

x = np.array(1)
y = np.array([1])

x_processed = np.atleast_1d(x)
print(f'处理后x的shape: {np.shape(x_processed)}')  # 输出: 处理后x的shape: (1,)

y_processed = np.atleast_1d(y)
print(f'处理后y的shape: {np.shape(y_processed)}')  # 输出: 处理后y的shape: (1,)

为啥hasattr(x, "__iter__")会返回True？ #

numpy数组的__iter__是从父类继承来的，但0维数组没有可迭代的元素集合，迭代时尝试返回元素就会报错。所以靠__iter__属性判断numpy数组能不能迭代根本不靠谱。

内容的提问来源于stack exchange，提问作者AimLow