Python 如何在njit函数中通过类属性的引用修改类属性?

Python 如何在njit函数中通过类属性的引用修改类属性?,python,class,reference,numba,Python,Class,Reference,Numba,我想更新njit函数中的class属性,但我事先不知道变量名。为了说明这一点,我编写了以下代码 from numba import jitclass, jit, njit from numba import int32, float64 import numpy as np spec = [('A' ,float64), ('B' ,float64)] @jitclass(spec, ) class myClass(): def __init__(self):

我想更新njit函数中的class属性,但我事先不知道变量名。为了说明这一点,我编写了以下代码

from numba import jitclass, jit, njit
from numba import int32, float64
import numpy as np

spec = [('A' ,float64),
        ('B' ,float64)]

@jitclass(spec, )
class myClass():
    def __init__(self):
        self.A = 1.
        self.B = 1.
    def add_A_and_B(self):
        return self.A + self.B

class essai():
    def __init__(self):
        self.C = myClass()

    def compute(self):
        mystring = 'C.A' # parameter that I want update
        nameclass, nameparam = mystring.split('.') # get the class name and the variable to update
        tp = np.linspace(0, 100, num = 101)
        val_A = np.linspace(0, 100, num = 101)
        ref = getattr(getattr(self,nameclass),nameparam) # Doesn't work, trying to get a reference to a class attribute C.A
        y= solve1(self.C,tp,ref,val_A) # pass the reference to the njit function to update C.A in the njit function
        print(y)


@njit(fastmath=True)
def solve1(C,tp,param,paramvalues):
    y = np.zeros(len(tp), )
    for idx, t in enumerate(tp):
        param=paramvalues[idx]
        #C.A=paramvalues[idx] # what I expect the previous line to do
        y[idx] = C.add_A_and_B()
    return y

E=essai()
E.compute()
我想更新的变量是
mystring='C.A'
,但在我的完整代码中,它来自用户输入。所以我想做的是获取该变量的引用,我尝试了
ref=getattr(getattr(self,nameclass),nameparam)
,但这不起作用。一旦有了此参考,我将能够将其传递给
solve1
njit
功能,以便更新
njit
功能内的
C.A
。 所以我运行我得到的代码

[ 2.  2.  2.  2.  2.  2.
而不是

[   1.    2.    3.    4.    5. .... 
如果我在
solve1
函数中使用
C.A=paramvalues[idx]

因此,问题是如何更新
njit
函数中
C
的属性
A
,方法是使用一个字符串,该字符串包含我要更新的变量名(在我的例子中是
mystring='C.A'

1)引用,因为您希望在这里通过直接分配给它来使用它(
param=…
)在python中不存在。分配给不带点或[]修饰符的左值始终会重新绑定该名称,无论是否使用numba。编辑:为了澄清,如果名称标记为
global
(对于全局变量)或
nonlocal
(对于闭合变量),则不适用于此处


2) 在nopython模式下,numba需要在编译时知道要分配给哪个属性(本质上是将偏移量计算到c结构中),因此我认为最好是编译两个版本的函数。

Ho no。。。这不是我所期望的。但这是有道理的。谢谢你的详细信息