例如,如果通过以下步骤:

a = []

如何检查a是否为空?


当前回答

这是谷歌对“python测试空数组”和类似查询的第一次点击,其他人将这个问题概括为列表之外的问题,所以这里有很多人使用的不同类型的序列的警告。

其他方法不适用于NumPy数组

您需要小心使用NumPy数组,因为对于列表或其他标准容器工作正常的其他方法对于NumPy阵列失败。我在下面解释了原因,但简而言之,首选的方法是使用大小。

“蟒蛇”的方式行不通:第一部分

NumPy数组的“pythonic”方法失败,因为NumPy试图将数组强制转换为布尔值数组,如果x试图同时计算所有布尔值以获得某种聚合真值。但这没有任何意义,因此您会得到ValueError:

>>> x = numpy.array([0,1])
>>> if x: print("x")
ValueError: The truth value of an array with more than one element is ambiguous. Use a.any() or a.all()

“蟒蛇”的方式行不通:第2部分

但至少上述案例告诉你,它失败了。如果您恰好有一个仅包含一个元素的NumPy数组,则If语句将“有效”,即不会出现错误。但是,如果该元素恰好为0(或0.0,或False,…),if语句将错误地导致False:

>>> x = numpy.array([0,])
>>> if x: print("x")
... else: print("No x")
No x

但显然x存在并且不是空的!这个结果不是你想要的。

使用len可能会产生意想不到的结果

例如

len( numpy.zeros((1,0)) )

返回1,即使数组没有元素。

numpythonic方式

正如SciPy常见问题解答中所解释的,在所有已知拥有NumPy数组的情况下,正确的方法是在x.size:

>>> x = numpy.array([0,1])
>>> if x.size: print("x")
x

>>> x = numpy.array([0,])
>>> if x.size: print("x")
... else: print("No x")
x

>>> x = numpy.zeros((1,0))
>>> if x.size: print("x")
... else: print("No x")
No x

如果您不确定它是列表、NumPy数组还是其他类型,可以将此方法与@dubiusjim给出的答案结合起来,以确保对每种类型使用正确的测试。不是很“蟒蛇”,但事实证明NumPy至少在这个意义上故意破坏了蟒蛇。

如果您需要做的不仅仅是检查输入是否为空,而且您正在使用其他NumPy特性,如索引或数学运算,那么强制输入为NumPy数组可能更有效(当然也更常见)。有几个很好的函数可以快速实现这一点,最重要的是numpy.asarray。它接受您的输入,如果它已经是一个数组,则不执行任何操作,如果它是一个列表、元组等,则将您的输入包装到一个数组中,并可选地将其转换为您选择的数据类型。因此,无论何时,它都非常快速,并确保您只需假设输入是一个NumPy数组。我们通常甚至只使用相同的名称,因为转换到数组不会使其返回到当前范围之外:

x = numpy.asarray(x, dtype=numpy.double)

这将使x.size检查在我在本页上看到的所有情况下都有效。

其他回答

您甚至可以尝试像这样使用bool()。虽然它的可读性较低,但它确实是一种简洁的方法。

    a = [1,2,3];
    print bool(a); # it will return True
    a = [];
    print bool(a); # it will return False

我喜欢这种方式,因为检查列表是否为空。

非常方便和有用。

以下是检查列表是否为空的几种方法:

a = [] #the list

1) 非常简单的蟒蛇方式:

if not a:
    print("a is empty")

在Python中,空容器(如列表、元组、集合、字典、变量等)被视为False。可以简单地将列表视为谓词(返回布尔值)。True值表示它为非空。

2) 一种非常明确的方法:使用len()查找长度并检查它是否等于0:

if len(a) == 0:
    print("a is empty")

3) 或者将其与匿名空列表进行比较:

if a == []:
    print("a is empty")

4) 另一种愚蠢的方法是使用exception和iter():

try:
    next(iter(a))
    # list has elements
except StopIteration:
    print("Error: a is empty")

要检查列表是否为空,可以使用以下两种方法。但请记住,我们应该避免显式检查序列类型的方式(这是一种不太像Python的方式):

def enquiry(list1):
    return len(list1) == 0

# ––––––––––––––––––––––––––––––––

list1 = []

if enquiry(list1):
    print("The list isn't empty")
else:
    print("The list is Empty")

# Result: "The list is Empty".

第二种方式是一种更具Python风格的方式。这种方法是一种隐式检查方法,比前一种方法更可取。

def enquiry(list1):
    return not list1

# ––––––––––––––––––––––––––––––––

list1 = []

if enquiry(list1):
    print("The list is Empty")
else:
    print("The list isn't empty")

# Result: "The list is Empty"
if not a:
    print("List is empty")

使用空列表的隐含布尔性是相当Python的。

这是谷歌对“python测试空数组”和类似查询的第一次点击,其他人将这个问题概括为列表之外的问题,所以这里有很多人使用的不同类型的序列的警告。

其他方法不适用于NumPy数组

您需要小心使用NumPy数组,因为对于列表或其他标准容器工作正常的其他方法对于NumPy阵列失败。我在下面解释了原因,但简而言之,首选的方法是使用大小。

“蟒蛇”的方式行不通:第一部分

NumPy数组的“pythonic”方法失败,因为NumPy试图将数组强制转换为布尔值数组,如果x试图同时计算所有布尔值以获得某种聚合真值。但这没有任何意义,因此您会得到ValueError:

>>> x = numpy.array([0,1])
>>> if x: print("x")
ValueError: The truth value of an array with more than one element is ambiguous. Use a.any() or a.all()

“蟒蛇”的方式行不通:第2部分

但至少上述案例告诉你,它失败了。如果您恰好有一个仅包含一个元素的NumPy数组,则If语句将“有效”,即不会出现错误。但是,如果该元素恰好为0(或0.0,或False,…),if语句将错误地导致False:

>>> x = numpy.array([0,])
>>> if x: print("x")
... else: print("No x")
No x

但显然x存在并且不是空的!这个结果不是你想要的。

使用len可能会产生意想不到的结果

例如

len( numpy.zeros((1,0)) )

返回1,即使数组没有元素。

numpythonic方式

正如SciPy常见问题解答中所解释的,在所有已知拥有NumPy数组的情况下,正确的方法是在x.size:

>>> x = numpy.array([0,1])
>>> if x.size: print("x")
x

>>> x = numpy.array([0,])
>>> if x.size: print("x")
... else: print("No x")
x

>>> x = numpy.zeros((1,0))
>>> if x.size: print("x")
... else: print("No x")
No x

如果您不确定它是列表、NumPy数组还是其他类型,可以将此方法与@dubiusjim给出的答案结合起来,以确保对每种类型使用正确的测试。不是很“蟒蛇”,但事实证明NumPy至少在这个意义上故意破坏了蟒蛇。

如果您需要做的不仅仅是检查输入是否为空,而且您正在使用其他NumPy特性,如索引或数学运算,那么强制输入为NumPy数组可能更有效(当然也更常见)。有几个很好的函数可以快速实现这一点,最重要的是numpy.asarray。它接受您的输入,如果它已经是一个数组,则不执行任何操作,如果它是一个列表、元组等,则将您的输入包装到一个数组中,并可选地将其转换为您选择的数据类型。因此,无论何时,它都非常快速,并确保您只需假设输入是一个NumPy数组。我们通常甚至只使用相同的名称,因为转换到数组不会使其返回到当前范围之外:

x = numpy.asarray(x, dtype=numpy.double)

这将使x.size检查在我在本页上看到的所有情况下都有效。