如何判断numpy的array_like是否为空数组？有无更优实现方法？

针对你的需求——仅判断空的array_like对象（排除None的情况），可以参考以下几种更优的实现方式：

1. 直接使用numpy.size()（避免额外数组转换） #

numpy.size()本身支持接收array_like对象（比如列表、元组、numpy数组等），无需先调用numpy.array()转换，能减少不必要的内存开销：

import numpy as np

if a is not None and np.size(a) == 0:
    # 处理空array_like的逻辑
    pass

2. 结合属性判断序列长度（适用于普通序列类array_like） #

如果你的array_like是普通序列（比如空列表、空元组），可以先判断其是否具备长度属性，再检查长度是否为0，同时排除None：

if a is not None and hasattr(a, '__len__') and len(a) == 0:
    pass

注：这种方法不适用于无__len__属性的特殊array_like，但这类对象本身很少会是空状态，所以通用性不如np.size()方案。

3. 用numpy.array_equiv对比空数组（可选） #

如果需要严格匹配空array_like的结构，可以用np.array_equiv和空数组对比，但本质仍会触发数组转换，效率略低于np.size()：

import numpy as np

if a is not None and np.array_equiv(a, []):
    pass

核心注意事项 #

• 必须先判断a is not None，避免将None误判为空的array_like；
• np.size()是最通用且高效的方案，它直接计算array_like的元素总数，无论维度多少，只要元素数为0就判定为空。

内容的提问来源于stack exchange，提问作者Racid