Python numpy-ndarray子类：ufunc-don'；t返回标量类型

对于

numpy.ndarray

子类，ufunc输出具有相同的类型。这通常是好的，但我希望带有标量输出的ufunc返回标量类型（例如

numpy.float64

）

例如：

import numpy as np

class MyArray(np.ndarray):
    def __new__(cls, array):
        obj = np.asarray(array).view(cls)
        return obj

a = MyArray(np.arange(5))
a*2
# MyArray([0, 2, 4, 6, 8])  => same class as original (i.e. MyArray), ok

a.sum()
# MyArray(10)               => same as original, but here I'd expect np.int64

type(2*a) is type(a.sum())
# True                    
b = a.view(np.ndarray)
type(2*b) is type(b.sum())    
# False

对于标准numpy数组，标量输出具有标量类型。那么，如何使我的子类具有相同的行为呢

---

我在OSX 10.6上使用Python 2.7.3和numpy 1.6.2，您需要在ndarray子类中使用如下函数覆盖

\uuuuu数组\uu wrap\uuuu

：

def __array_wrap__(self, obj):
    if obj.shape == ():
        return obj[()]    # if ufunc output is scalar, return it
    else:
        return np.ndarray.__array_wrap__(self, obj)

---

在ufuncs之后调用

\uuuu数组\uu wrap\uuu

，以执行清理工作。在默认实现中，在特殊情况下，使用精确的ndarrays（但不是子类）将零秩数组转换为标量。至少对于某些版本的numpy是这样。

我不确定我是否理解：是否希望例如

sum（）

始终返回

float64

，而不管

a

是整数数组还是浮点数组？不，我希望它返回与

a.view（np.ndarray）.sum（）相同的值

：具有与传统数组相同的行为。好吧，这很奇怪，因为当我运行代码时，

a.sum（）

对我来说是

np.int64

。Python 2.7.5+NumPy 1.7.0以及Python 3.3.2+NumPy 1.8.0-dev。注意：您可能会混淆

a.sum（）.dtype

和

type（a.sum（））

。我的结果与OP匹配，而不是@Evert。Numpy

1.7.1

，Python

2.7.5

。有趣的是，输出是压缩的，因为它具有shape

（）

而不是

（1，）

，但它不是转换为标量。因此，如果类型不是

ndarray

，则

np.sum（）

忽略

keepdims

参数这一事实并不影响它。