据我所知，没有这样的函数返回一个布尔数组，指示浮点数是否有小数部分。我能找到的最接近的是np.modf，它返回小数和整数部分，但它创建了两个浮点数组（至少暂时），所以它可能不是最好的内存方式。
如果你在工作中感到快乐，你可以尝试以下方法：

>>> np.mod(x, 1, out=x)
>>> mask = (x == 0)

字符串
这应该比使用round或floor保存内存（在这里必须保留x），但当然会丢失原始的x。
另一个选择是要求在Numpy中实现它，或者自己实现它。

我需要这个问题的答案，原因略有不同：检查何时可以将整个浮点数数组转换为整数而不丢失数据。
Hunse的答案几乎对我有用，除了我显然不能使用就地技巧，因为我需要能够撤消操作：

if np.all(np.mod(x, 1) == 0):
    x = x.astype(int)

字符串
从那里，我想到了以下选项，在许多情况下 * 可能 * 更快：

x_int = x.astype(int)
if np.all((x - x_int) == 0):
    x = x_int

型
原因是模运算比减法慢。然而，现在我们预先将其转换为整数-相对而言，我不知道该操作有多快。但是如果你的数组中的 * 大部分 * 都是整数（在我的例子中是整数），后一个版本几乎肯定更快。
另一个好处是，您可以用类似np.isclose的东西来替换减法，以在一定的容差范围内进行检查（当然，您应该小心，因为截断不是正确的舍入！）.

x_int = x.astype(int)
if np.all(np.isclose(x, x_int, 0.0001)):
    x = x_int

型
编辑：较慢，但可能值得根据您的用例，也是单独转换整数，如果存在的话。

x_int = x.astype(int)
safe_conversion = (x - x_int) == 0
# if we can convert the whole array to integers, do that
if np.all(safe_conversion):
    x = x_int.tolist()
else:
    x  = x.tolist()
    # if there are _some_ integers, convert them
    if np.any(safe_conversion):
        for i in range(len(x)):
            if safe_conversion[i]:
                x[i] = int(x[i])

型
举个例子，说明这一点的重要性：这对我来说是可行的，因为我有稀疏的数据（这意味着大部分是零），然后我将其转换为JSON，一次，然后在服务器上重用。对于浮点数，ujson将其转换为[ ...,0.0,0.0,0.0,... ]，对于整型数，将其转换为[...,0,0,0,...]，从而节省字符串中一半的字符数。这减少了服务器（更短的字符串）和客户端（更短的字符串，可能稍微快一点的JSON解析）的开销。

虽然(x % 1) == 0的公认方法已经足够了，但让我感到困扰的是，在numpy中没有办法在本机实现这一点，特别是考虑到vanilla python中存在float.is_integer。
因此，我对numpy支持的浮点格式（float16，float32，float64，float128（实际上是extended precision））和how to write a ufunc做了一些研究。
其结果是，对于IEEE754浮点数足够小，可以放入相应的无符号整数类型（在普通机器上几乎所有float64），您可以通过一些简单的位调整来进行检查。例如，下面是一个C99函数，它可以快速地告诉您float32是否包含整数值：

#include <stdint.h>

int is_integer(float n)
{
    uint32_t k = ((union { float n; uint32_t k; }){n}).k;

    // Zero when everything except sign bit is zero
    if((k & 0x7FFFFFFF) == 0) return 1;

    uint32_t exponent = k & 0x7F800000;

    // NaN or Inf when the exponent bits are all ones
    // Guaranteed fraction when exponent < 0
    if(exponent == 0x7F800000 || exponent < 0x3F800000) return 0;
    // Guaranteed integer when exponent >= FLT_MANT_DIG - 1
    if(exponent >= 0x4B000000) return 1;
    // Otherwise, check that the significand bits past the exponent are zeros
    return (k & (0x7FFFFF >> ((exponent >> 23) - 0x7F))) == 0;
}

字符串
我继续将这个函数及其兄弟函数 Package 在ufunc中，可以在这里找到：https://gitlab.com/madphysicist/is_integer_ufunc。一个很好的特性是这个ufunc返回所有整数类型的True，而不是引发错误。另一个原因是它的运行速度比(x % 1) == 0快5倍到40倍，具体取决于dtype和输入大小。
根据链接的教程，您可以使用python setup.py {build_ext --inplace, build, install}安装，这取决于您有多想要它。也许我应该看看numpy社区是否有兴趣包含这个ufunc。

你也可以在列表解析中使用Python方法。

>>> x = np.array([1.0, 2.1, 3.0, 3.9])
>>> mask = np.array([val.is_integer() for val in x])
>>> mask
array([ True, False,  True, False])

字符串
与the answer using mod 1相比，对于给定的4个值的示例（5.66 us vs 8.03 us），这稍微快一点，对于1000个值的数组，速度快3倍以上。

受公认答案的启发，这里有一个使用%运算符的非就地版本：

modulus = x % 1
mask = modulus == 0

字符串
或者更简洁地说

mask = (x % 1) == 0

型