Numpy中np.can_cast与astype判断可转float结果不一致如何解决

• np.can_cast 是类型层面的转换规则检查，仅判断输入数据的dtype是否可以按指定的casting规则转换为目标dtype，完全不会校验数组内的实际元素值。你的数组b因为存在字符串元素，整体dtype为字符串类型，所以每一列传入np.can_cast时的判断逻辑完全相同：
  • 当casting='safe'时，numpy判定字符串类型不能安全转换为float，所以所有列都返回False
  • 当casting='unsafe'时，numpy允许字符串类型到float的不安全转换，所以所有列都返回True，哪怕第三列存在无法转换的'Aff'也不会触发检查
• 你自定义的func是值层面的校验，会实际尝试把整列所有元素转换为float，只要有一个元素转换失败就捕获异常返回False，所以第三列会正确返回False，这才是符合你需求的输出。

如果你的需求是逐列检查所有元素都可以实际转换为float，不需要使用np.can_cast，你当前的func逻辑已经是正确的。如果需要提升大数组的检查效率，可以用如下优化写法：

import numpy as np

def check_col_convertible(col):
    # 仅捕获转换失败的ValueError，避免吞掉其他异常
    try:
        col.astype(np.float64)
        return True
    except ValueError:
        return False

b = np.array([[1,2,'Aff'], [4,5,8], [7,8,9]])
# 逐列检查
result = [check_col_convertible(b[:, i]) for i in range(b.shape[1])]
print(result)

如果需要兼容小数、科学计数法、正负号等各类合法float格式，上述基于try-except的写法是兼容性最高的方案，比基于字符串规则判断的方法准确率更高。

内容的提问来源于stack exchange，提问作者Thomas Schmitt