Python 数值计算中numpy和OO的混合

首先，我想知道在数值计算中使用OO方法是否是一种良好的实践

其次，OO的一个可能用例是将某个模型的参数封装在某个对象中。我想研究形式为ax^2+bx+c的抛物线。所以我将a，b，c封装在抛物线物体中。我可以画它等等。现在，我想探索抛物线垂直轴的位置。基本上，在没有OO的情况下，我可以只绘制一个表面，比如说所有垂直轴位置的w.r.t.a和b（这将是两个numpy数组），对于一些给定的c值

我的问题是，如何在不牺牲（太多）numpy性能的情况下，使用额外的OO层进行曲面绘制

额外解释

---

使用OO方法的一种方法是为参数A和b的一系列值创建抛物线对象矩阵。但这种方法可能会处理非常大的对象，而不是参数范围的普通numpy数组。

您可以使用相同的数值算法，无论是否使用对象定向。我不太明白你的问题。OO更多的是关于程序结构和数据之间的连接。方法中的数值可以与正常程序中的数值相同。 --编辑--

当你们对抛物线的方法进行矢量化时，你们可以很快地制作出抛物线的数组。当然，您可以将更复杂的矢量化

import numpy as np

class parabola:
    a = 0.0
    b = 0.0
    c = 0.0
    def __init__(self,a,b,c):
        self.a = a
        self.b = b
        self.c = c
    def set_a(self, new_a):
        self.a = new_a
    def set_b(self, new_b):
        self.b = new_b
    def set_c(self, new_c):
        self.c = new_c
    def get_a(self):
        return self.a
    def get_b(self):
        return self.b
    def get_c(self):
        return self.c

vpara = np.vectorize(parabola)
vgeta = np.vectorize(parabola.get_a)
vgetb = np.vectorize(parabola.get_b)
vgetc = np.vectorize(parabola.get_c)


a = np.zeros(10000)
b = np.zeros(10000)
c = np.zeros(10000)
a[:]  = [i for i in xrange(10000)]
b[:]  = [2*i for i in xrange(10000)]
c[:]  = [i*i for i in xrange(10000)]

objs = np.empty((10000), dtype=object)
objs[:] = vpara(a,b,c)

print vgeta(objs[1:10:2]),vgetc(objs[9900:9820:-3])

---

我建议不要使用对象数组，因为使用numpy会失去几乎所有的性能优势。我们的结构或代码更像这样：

class Points:

    def __init__(self, x, y):
        self.x = np.asarray(x)
        self.y = np.asarray(y)

    def shift_left(self, distance):
        self.x -= distance

x = np.zeros(10000)
y = np.zeros(10000)

points_obj = Points(x, y)

---

现在，您可以创建在

points\u obj

上运行的函数、方法等，知道

points\u obj.x

和

point\u obj.y

是numpy数组（可能大小为1，也可能更大）。如果您需要能够索引到points_obj，您可以在类上定义一个

\uu getitem\uuu

方法。

我的意思是，如果我想在x和y上绘图，比如说，它们只是变量，不是模型的一部分，那就可以了。但是，当我想在模型参数上做大量工作时，我是否应该放弃模型部分的OO封装？即使这意味着要以一种程序化的方式重写整个内容？请看我的编辑，它可能会对您有所帮助。遗憾的是，numpy不允许使用真正面向数组的语言的语法，比如Fortran，在Fortran中，您只需编写

objs[556:824:-5].c

，就可以得到这些c`s的数组。如果有人知道怎么做，请告诉我。@greendiod，简而言之是的。请看下面我的答案。嗨，Bi Rico。您的方法的问题是，您将从一开始就使用numpy数组实现模型对象。在我提到的用例中，您首先需要一个简单的模型OO实现。然后你需要探索敏感性或者做其他静态分析