Python numpy.ndarray：转换为“a”；“正常”；班

[Python 3]

我喜欢

ndarray

，但我觉得用起来很烦人

我面临一个问题。我想编写

类数组

，它将继承ndarray的大部分功能，但只有一种实例化方法：作为特定大小的零填充数组。我希望写：

class Array(numpy.ndarray):
  def __init__(size):
    # What do here?

我想用一些参数调用

super（）。\uuuu init\uuu

来创建一个零填充数组，但它不起作用，因为

ndarray

使用一个全局函数

numpy.zeros

（而不是构造函数）来创建一个零填充数组

问题:

为什么ndarray在许多情况下使用全局（模块）函数而不是构造函数？如果我试图在面向对象的环境中重用它们，这是一个很大的麻烦

定义我需要的

类数组

的最佳方法是什么？我应该用零手动填充

ndarray

，还是有办法重用

zeros

函数

为什么ndarray在许多情况下使用全局（模块）函数而不是构造函数

与Matlab兼容/类似，Matlab的函数如

zero

或

ones

最初来自Matlab

全局工厂函数编写速度快，易于理解。构造器的语义应该是什么，例如，你如何用一个构造器来表达一个简单的

零

或

空

或

一

？事实上，这种工厂函数在其他编程语言中也很常见

定义我需要的

类数组

的最佳方法是什么

---

请注意，这是Python2，但使用Python3只需稍作修改。

如果您不喜欢

ndarray

接口，则不要继承它。您可以定义自己的接口，并将其余接口委托给ndarray和numpy

import functools
import numpy as np


class Array(object):

    def __init__(self, size):
        self._array = np.zeros(size)

    def __getattr__(self, attr):
        try: return getattr(self._array, attr)
        except AttributeError:
            # extend interface to all functions from numpy
            f = getattr(np, attr, None)
            if hasattr(f, '__call__'):
                return functools.partial(f, self._array)
            else:
                raise AttributeError(attr)

    def allzero(self):
        return np.allclose(self._array, 0)


a = Array(10)
# ndarray doesn't have 'sometrue()' that is the same as 'any()' that it has.
assert a.sometrue() == a.any() == False
assert a.allzero()

try: a.non_existent
except AttributeError:
    pass
else:
    assert 0

---

ndarray的继承有点棘手

ndarray

甚至没有方法

\uuuu init（self，）\uuuuu

，因此无法从子类调用它，但这是有原因的。请参阅的numpy文档

顺便问一下，你能更具体地说明你的特殊需要吗？根据您自己的需要编写一个类（使用ndarray）仍然很容易，但是ndarray的一个子类通过所有numpy机制是完全不同的问题

似乎我不能评论我自己的帖子，奇怪的

---

@Philipp:它将由Python调用，但不会由numpy调用。实例化ndarray有三种方法，该文档中给出了如何处理所有情况的指导原则。

我不明白您为什么要创建自己的类。与

numpy.zeros（）

工厂函数相比，它有什么优势？如果你不喜欢这个名字，就把它重命名，比如

create\u array=numpy.zeros

。我不再确定它有什么优势。也许我只是不习惯工厂的功能。我必须考虑一下。@Sven Marnach：我找到了几个关于这个一般主题的链接：没有特定于Python的内容，但是其他语言的一般评论似乎适用。就我所知，工厂的功能并没有什么坏处（除了我个人的喜好）。

ndarray

构造函数的

shape

参数可能只是一个整数而不是元组。2. <默认值为code>dtype=float。3.在Python 3中，在本例中可以省略

super（）

的参数。结合这些注释，构造函数的前两行缩减为

super（）。（构造函数签名通常没有文档记录。）@Philipp：它记录在类的docstring中，而不是构造函数本身。但这实际上是文档所属的地方。@Sven：我的意思是，文档说
shape
必须是一个元组，而不是说
dtype
默认为
float
。我好像错过了这个文档。但是为什么在我的示例中调用
\uuuu init\uuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuu。你说得对，对ndarray子类化太难了。我将在@J.F.Sebastian中采用容器方法。非常简洁。我假设所有
numpy
全局函数在使用
ndarray
参数调用时与
ndarray
的同名实例方法具有相同的语义。要更改为Python 3，我只需从类定义中删除
（对象）
，对吗？[并不是说离开它会导致问题。]@max:代码在2.x和Python3上都可以正常工作，没有任何更改。我似乎遗漏了一些东西。您不从
ndarray
派生，但如果请求了任何属性，则首先尝试从
ndarray
实例获取属性。首先，从
ndarray
派生不是更容易吗？您仍然可以添加魔法，将numpy中的模块级函数添加为方法，但我认为这也不是一个好主意，因为它们中的大多数已经是方法了，其余的作为方法没有意义（只有极少数例外）。@Sven Marnach:前提是OP发现
ndarray
使用起来很烦人。委派是一种比继承更灵活的更改类接口的方法。代码不是最终的解决方案，但它只是一个框架示例，允许扩展它以使用黑名单、白名单等方法。我同意模块级函数。代码显示了如何做到这一点；它并不主张这样做是明智的。
import functools
import numpy as np


class Array(object):

    def __init__(self, size):
        self._array = np.zeros(size)

    def __getattr__(self, attr):
        try: return getattr(self._array, attr)
        except AttributeError:
            # extend interface to all functions from numpy
            f = getattr(np, attr, None)
            if hasattr(f, '__call__'):
                return functools.partial(f, self._array)
            else:
                raise AttributeError(attr)

    def allzero(self):
        return np.allclose(self._array, 0)


a = Array(10)
# ndarray doesn't have 'sometrue()' that is the same as 'any()' that it has.
assert a.sometrue() == a.any() == False
assert a.allzero()

try: a.non_existent
except AttributeError:
    pass
else:
    assert 0