Python 继承numpy.vectorize-ed函数

在寻找一个模糊的bug时，我偶然发现了一个最能说明问题的例子：

import numpy as np

class First(object):
    def __init__(self):
        self.vF = np.vectorize(self.F)
        print "First: vF = ", self.vF

    def F(self, x):
        return x**2


class Second(First):
    def __init__(self):
        super(Second, self).__init__()
        print "Second: vF = ", self.vF

    def F(self, x):
        raise RuntimeError("Never be here.")

    def vF(self, x):
        return np.asarray(x)*2

我希望

Second

的实例会有一个显式定义的

vF

方法，但情况似乎并非如此：

arg = (1, 2, 3)

f = First()       
print "calling first.vF: ", f.vF(arg)

s = Second()
print "calling second.vF: ", s.vF(arg)

产生

First: vF =  <numpy.lib.function_base.vectorize object at 0x23f9310>
calling first.vF:  [1 4 9]
First: vF =  <numpy.lib.function_base.vectorize object at 0x23f93d0>
Second: vF =  <numpy.lib.function_base.vectorize object at 0x23f93d0>
calling second.vF: 
Traceback (most recent call last):
...
RuntimeError: Never be here.

First:vF=
呼叫first.vF:[1 4 9]
第一：vF=
第二：vF=
调用second.vF：
回溯（最近一次呼叫最后一次）：
...
RuntimeError:永远不要在这里。

因此，似乎

s.vF

和

f.vF

是同一个对象，即使

s.vF==f.vF

是

False

这是一种预期的/已知的/文档化的行为，并且

numpy.vectorize

不能很好地处理继承，还是我缺少了一些简单的东西？

---

（当然，在这种特殊情况下，通过将

First.vF

更改为普通的Python方法，或者只是不在

第二个
的构造函数中调用
super
，问题很容易解决。）
这与
numpy无关。矢量化
或
numpy
通常真的

这里发生的是
Second.\uuuu init\uuuuu
首先调用
。\uuuu init\uuuuu
从
self.F
（实际上是围绕
Second.F
的实例方法包装器）创建一个实例属性（
vF
），并将其作为
vF
存储在实例上。现在，当您查找
vF
时，您得到的是猴子补丁版本，而不是原始实例方法
Second。vF
这与NumPy无关。这是完全合理的语言设计决策（以及您决定使用语言的方式）相互作用的结果：


实例属性优先于类属性。我相信你会同意这是合理的
方法是类属性，在这一点上并不特殊。我相信您会同意这是合理的（如果您不同意，请查看描述符，特别是允许
self.F
工作的绑定方法）
继承的实例属性附加到同一个对象，而不是附加到某个奇怪的“父代理”对象或其他对象。我相信你会同意这是合理的

总之，如果您不考虑细节，而是使用简化的心智模型（例如，心智隔离方法和“数据”属性），这些完全合理的行为可能会产生意外的行为。具体来说，在您的示例中会发生这种情况：


调用相应的构造函数。这要么是
First.\uuuu init\uuu
，要么是
Second.\uuuu init\uuu
，它立即调用
First.\uuuu init\uu
因此，
obj.vF
始终是首先在
中创建的矢量化函数。\uuu init\uuu
用于所有
obj
但是，每个对象的矢量化函数包装了各自对象的
self.F
。对于第二个对象，这是
运行时错误
-引发
second.F

您可能应该在这里使用一个常规的
vF
方法，因为由于属性查找的工作方式，这允许子类轻松地重写（另请参见：MRO）