Python 使用唯一的对象实例创建NumPy

我想使用

numpy.full（）

创建一个

numpy.ndarray

完整的自定义类的唯一实例。我目前的尝试是：

import numpy as np
from custom_class import CustomClass

size_x = 4
size_y = 5

my_array = np.full((size_x, size_y), CustomClass('value'))

问题是，当我运行这段代码时，输出是一个

numpy.ndarray

，其中包含对同一对象的

size\ux

x

size\uy

的引用。查看示例输出：

array([[<hexgridcell.HexGridCell object at 0x000001C3B5B18BE0>,
        <hexgridcell.HexGridCell object at 0x000001C3B5B18BE0>,
        <hexgridcell.HexGridCell object at 0x000001C3B5B18BE0>,
        <hexgridcell.HexGridCell object at 0x000001C3B5B18BE0>, ...

数组（[,，
,
,
, ...

这里列出的地址都清楚地指向内存中的同一个位置，进一步的调查得出结论，它们确实指向同一个对象实例。我如何才能让一个

numpy.ndarray

以这种方式填充唯一的实例？

一个示例类：（一个好的问题可以提供类似的内容）

---

full

在所有插槽中放置相同的内容-当然，因为

Foo

只调用一次

In [103]: np.full((2,3), Foo(1,2))                                                       
Out[103]: 
array([[Foo (1, 2), Foo (1, 2), Foo (1, 2)],
       [Foo (1, 2), Foo (1, 2), Foo (1, 2)]], dtype=object)

在前面的问题中，我发现

frompyfunc

非常方便，并且比更显式的numpy循环快2倍：

列表方法：

In [107]: [[Foo(i,j) for j in range(4)] for i in range(3)]                               
Out[107]: 
[[Foo (0, 0), Foo (0, 1), Foo (0, 2), Foo (0, 3)],
 [Foo (1, 0), Foo (1, 1), Foo (1, 2), Foo (1, 3)],
 [Foo (2, 0), Foo (2, 1), Foo (2, 2), Foo (2, 3)]]

一些时间安排：

In [108]: timeit f(np.arange(3)[:,None], np.arange(4))                                   
14.3 µs ± 469 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)
In [109]: timeit [[Foo(i,j) for j in range(4)] for i in range(3)]                        
7.59 µs ± 18.5 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)
In [110]: timeit np.array([[Foo(i,j) for j in range(4)] for i in range(3)])              
31.3 µs ± 1.69 µs per loop (mean ± std. dev. of 7 runs, 10000 loops each)

使用对象数组执行一些有用的操作可能会很尴尬。要获得所有元素中的

val

，我们必须使用以下内容：

In [115]: np.frompyfunc(lambda obj: obj.val,1,1)(_105)                                   
Out[115]: 
array([[(0, 0), (0, 1), (0, 2), (0, 3)],
       [(1, 0), (1, 1), (1, 2), (1, 3)],
       [(2, 0), (2, 1), (2, 2), (2, 3)]], dtype=object)

或每个元组的第一个元素：

In [116]: np.frompyfunc(lambda obj: obj.val[0],1,1)(_105).astype(int)                    
Out[116]: 
array([[0, 0, 0, 0],
       [1, 1, 1, 1],
       [2, 2, 2, 2]])

---

使用

numpy.full

将在每个“单元格”中生成一个具有相同对象的数组。对于数字之类的东西，这很好，因为数字

1

仍然是一个数字

1

。但是，由于您希望在每个单元格中具有不同的类对象，因此需要多次生成每个对象

现在，如果您使用的是自定义类，而不是整型或浮点型等数据类型，那么最好使用普通Python数组。这是因为numpy数组针对此类数据进行了优化。为此，请使用以下生成器

[[CustomClass('value') for j in range(size_x)] for i in range(size_y)]

如果您确实需要使用自定义类，您可能希望为该类内置一些数学函数。可以使用

\uuuuu add\uuuuu

类函数实现类似于加法的功能。这将允许将两个数组相加等操作正常进行，而不会引发类型错误。有关的详细信息。以下是一个示例

class CustomClass:
  def __init__(self, value):
    self.value = value

  def __add__(self, second):
    return self.value + second.value

使用此定义，下面的代码将添加这些对象的两个numpy数组。但是，这也适用于普通Python数组，因此使用numpy的唯一原因还是用于更大的数据操作，例如调整数组大小和点积乘法

array1 = [[CustomClass(i) for j in range(size_x)] for i in range(size_y)]
array2 = [[CustomClass(j*2) for j in range(size_x)] for i in range(size_y)]

array3 = array1 + array2
print(array3)

---

full

将相同的对象放在每个位置。您必须为每个元素调用对象创建者fresh，就像创建列表一样。您将第二个参数作为单个值提供，该值将重复。请尝试

np.fromfunction（lambda x，y:CustomClass（'value'），（size_x，size_y））

为什么不使用列表？为什么在这里使用numpy？在这里使用numpy是没有意义的。几乎可以肯定的是，除非有一些我不知道的非常有趣的技巧，否则你不能做任何矢量化的事情。它将默认为

对象

类型，并且不如列表灵活。@juanpa.arrivillaga我想使用numpy对于一些性能/语法方面的优势。实际的应用程序是非常资源密集型的。我看不出

fromfunction

有什么帮助。看看

array1

。我认为它将是一个

CustomClass

和一个数组

值

。

class CustomClass:
  def __init__(self, value):
    self.value = value

  def __add__(self, second):
    return self.value + second.value

array1 = [[CustomClass(i) for j in range(size_x)] for i in range(size_y)]
array2 = [[CustomClass(j*2) for j in range(size_x)] for i in range(size_y)]

array3 = array1 + array2
print(array3)