Python类型校验：numpy.float64匹配float但numpy.int64不匹配int的原因

1. 为什么numpy.float64可以匹配原生float，numpy.int64不能匹配原生int #

这是numpy的历史设计差异导致的：

• numpy的浮点类型（如np.float64）注册为了Python原生float的虚拟子类，Python的isinstance判断时会将np.float64类型的标量识别为原生float的实例。
• numpy的整数类型（如np.int64）没有做对应的虚拟子类注册，所以isinstance(np.int64(1), int)会直接返回False。
  这种差异是numpy早期为了兼容浮点运算场景做的特殊处理，没有对整数、浮点类型做统一的原生类型兼容逻辑。

2. 为什么isinstance判断numpy.int64也返回False #

有两种常见原因：

• 你的整数列是pandas的可空整数类型（即pd.Int64Dtype，首字母大写的Int64），这类列的单个标量是pandas自研的掩码整数类型，不属于numpy.int64的子类，所以校验不通过，你打印的type显示numpy.int64属于pandas类型打印时的兼容输出，实际类型对象和numpy.int64不一致。
• 存在导入别名错误：如果你导入numpy的路径不对，或者代码里的numpy.int64指向的类型对象和实际值的类型对象不是同一个内存地址，也会导致判断失败。

不要用原生类型做numpy/pandas数值的类型判断，优先用以下兼容度更高的方案：

• 校验单列是否为整数类型：直接用pandas内置的类型判断函数，不用取单个元素，性能更高也更准确：

is_int_col = pd.api.types.is_integer_dtype(df['Pass'])

• 校验单列是否为浮点类型：

is_float_col = pd.api.types.is_float_dtype(df['T2'])

• 如果必须校验单个元素的类型，用numpy的子类型判断函数：

# 校验是否为任意整数类型（兼容numpy各类int、pandas可空int）
is_int_val = np.issubdtype(type(df['Pass'][0]), np.integer)
# 校验是否为任意浮点类型
is_float_val = np.issubdtype(type(df['T2'][0]), np.floating)

内容的提问来源于stack exchange，提问作者Alex P