Python 如何使用基于numpy ndarray的索引覆盖getitem方法？

我正在尝试基于numpy.ndarray构建一个类，该类

\uuu getitem\uuuuuu

和

\uuuuuu setitem\uuuuuuu

方法提供基于如下索引的数据

点

类：

import numpy as np

class Point:
    def __init__(self, number=20):
        dt = np.dtype([("x",np.float64), ("y",np.float64), ("alive",np.bool)])
        self.points = np.zeros((int(number),1), dtype=dt)
        self.points["alive"] = True

#    def __getitem__(self, i):
#        mask = self.points["alive"] == True
#        print("get")
#        return self.points[mask].__getitem__(i)

    def __getitem__(self, i):
        mask = self.points["alive"] == True
        print("get")
        return self.points[mask][i]

    def __setitem__(self, i, item):
        mask = self.points["alive"] == True
        print("set")
        self.points[mask][i] = item

如果我尝试：

p = Point()
print(p[0])
>>>>get
>>>>(0., 0., True)
print(p[0]["alive"])
>>>>get
>>>>True
p[0]["alive"] = False
>>>>get
print(p.points[0]["alive"])
>>>>[ True]

所以修改没有被考虑在内，但我没有得到任何错误，就像我在修改一个副本一样。此外，我还感到困惑，因为我调用的不是

\uuuuu setitem\uuuuu

方法，而是

\uuuu getitem\uuuuu

方法。我使用

ndarray

的

\uuu getitem\uuuuu

尝试了另一个实现，但存在相同的问题

---

我做错了什么，以及如何正确地做到这一点？

我找到了如何使用pandas来做到这一点，它允许在不使用链接索引的情况下实现这一点，并获得数组视图而不是副本：

import numpy as np
import pandas as pd

class Point:
    def __init__(self, number=20):
        d = {"x":np.zeros((int(number),)), "y":np.zeros((int(number),))}
        self.points = pd.DataFrame(d)
        self.alive = pd.Series(np.ones((int(number),),dtype=bool))

    def __getitem__(self, i):
        return self.points.loc[self.alive,i]

    def __setitem__(self, i, item):
        self.points.loc[self.alive,i] = item

这将提供正确的行为：

p = Point(3)
print(p[:])

>>>>     x    y
>>>> 0  0.0  0.0
>>>> 1  0.0  0.0
>>>> 2  0.0  0.0

p.alive[0] = False
print(p[:])

>>>>     x    y
>>>> 1  0.0  0.0
>>>> 2  0.0  0.0

p["x"] = p["x"] + 5
print(p[:])

>>>>     x    y
>>>> 1  5.0  0.0
>>>> 2  5.0  0.0

---

我找到了如何使用pandas来实现这一点，pandas允许在不使用链接索引的情况下实现这一点，并获得阵列视图而不是副本：

import numpy as np
import pandas as pd

class Point:
    def __init__(self, number=20):
        d = {"x":np.zeros((int(number),)), "y":np.zeros((int(number),))}
        self.points = pd.DataFrame(d)
        self.alive = pd.Series(np.ones((int(number),),dtype=bool))

    def __getitem__(self, i):
        return self.points.loc[self.alive,i]

    def __setitem__(self, i, item):
        self.points.loc[self.alive,i] = item

这将提供正确的行为：

p = Point(3)
print(p[:])

>>>>     x    y
>>>> 0  0.0  0.0
>>>> 1  0.0  0.0
>>>> 2  0.0  0.0

p.alive[0] = False
print(p[:])

>>>>     x    y
>>>> 1  0.0  0.0
>>>> 2  0.0  0.0

p["x"] = p["x"] + 5
print(p[:])

>>>>     x    y
>>>> 1  5.0  0.0
>>>> 2  5.0  0.0

---

我想做的有两个问题。首先，numpy数组高级索引（如points[mask]）返回数组的一个副本，而不是一个视图，因此您无法将其指定给它。第二个是我使用了链式索引（比如[mask][I]），这意味着我调用类的getitem而不是numpy ndarray的getitem。更精确的是，我想做的有两个问题。首先，numpy数组高级索引（如points[mask]）返回数组的一个副本，而不是一个视图，因此您无法将其指定给它。第二个是我使用了链式索引（比如[mask][I]），这意味着我调用类的getitem而不是numpy ndarray的getitem。这里更精确