Python的NumPy库中为何用array_name.dtype而非dtype(array_name)查询元素类型

三种写法的核心区别 #

• type(array_name)
  这是Python内置的全局类型查询函数，返回的是变量本身的所属类。如果你传入NumPy数组，返回结果为<class 'numpy.ndarray'>，仅用于确认该变量是NumPy数组实例，和数组内部存储的元素类型无关。
• array_name.dtype
  这是NumPy ndarray类的内置实例属性，每个数组实例都会直接存储自身元素的数据类型信息，访问该属性就能直接拿到数组元素的类型（比如int32、float64等），这也是官方推荐的查询数组元素类型的标准写法。
• dtype(array_name)
  该写法本身不符合NumPy的常规设计：直接调用dtype(array_name)会触发命名错误，除非你已经提前自定义了同名函数。就算用NumPy提供的np.dtype(array_name)写法能拿到结果，本质也是把数组作为参数传入dtype构造函数去解析信息，属于非预期的非常规用法，np.dtype()本身的设计目的是创建/解析数据类型对象，不是用来查询现有数组的元素类型的。

采用array_name.dtype写法的原因 #

这是Python面向对象设计的常规实现逻辑：数组元素的类型是每个数组实例自身带有的元信息，封装为实例属性直接访问，既不需要额外的函数调用开销，逻辑上也更通顺——查询某个数组的元素类型，直接取这个数组自身存储的对应属性即可，符合Python社区简洁的「Pythonic」写法习惯。

内容的提问来源于stack exchange，提问作者learnin333