Python 如何编写一个行为类似于numpy.ndarray的类,而不将numpy.ndarray子类化?
让我们假设以下给定的类定义:Python 如何编写一个行为类似于numpy.ndarray的类,而不将numpy.ndarray子类化?,python,numpy,Python,Numpy,让我们假设以下给定的类定义: class Numeric(object): def __init__(self, signal): self.signal = signal 现在,由于要求Numeric不继承自numpy.ndarray,我如何扩展Numeric行为类似于numpy.ndarray的定义 编辑:信号应为np.ndarray(或类似的,如数量.数量)。我想到了以下情景: import numpy as np import quantities as pq a = N
class Numeric(object):
def __init__(self, signal):
self.signal = signal
现在,由于要求Numeric
不继承自numpy.ndarray
,我如何扩展Numeric
行为类似于numpy.ndarray
的定义
编辑:信号
应为np.ndarray
(或类似的,如数量.数量
)。我想到了以下情景:
import numpy as np
import quantities as pq
a = Numeric(pq.Quantity([1,2,3], 'mV'))
b = Numeric(pq.Quantity([1,3,5], 's'))
c = Numeric(np.array([10,20,30]))
a = Numeric(np.array([1,2,3]))
b = Numeric(np.array([1,3,5]))
a * c
a * b
a * np.array([3,4,5])
以及:
使用用于调整
numpy
-函数的装饰器和数值中的\uuu数组\uuuu
实现,我可以解决大多数问题:
def adapt_signal_functions(cls):
def generateAdjustedFunction(functionName):
print functionName
def foo(self, *args, **kwargs):
function = getattr(self.signal.__class__, functionName)
return function(self.signal, *args, **kwargs)
return foo
functionNames = [
'_get_units',
'_set_units',
'rescale',
'ptp',
'clip',
'copy',
'compress',
'conj',
'cumprod',
'cumsum',
'diagonal',
'dot',
'flatten',
'getfield',
'round',
'trace',
'max',
'mean',
'min',
'newbyteorder',
'prod',
'ravel',
'reshape',
'resize',
'round',
'std',
'sum',
'trace',
'transpose',
'var',
'__getitem__',
'__getslice__',
'__abs__',
#
'__add__',
'__div__',
'__divmod__',
'__floordiv__'
'__mod__',
'__mul__',
'__pow__',
'__sub__',
#
'__radd__',
'__div__',
'__divmod__',
'__rfloordiv__',
'__rmod__',
'__imul__',
#'__rmul__',
'__rpow__',
'__rsub__',
]
for functionName in functionNames:
foo = generateAdjustedFunction(functionName)
setattr(cls, functionName, foo)
return cls
@adapt_signal_functions
class Numeric(object):
def __init__(self, signal):
self.signal = signal
self.adapt_quantity()
def adapt_quantity(self):
if hasattr(self.signal, '_dimensionality'):
self._dimensionality = self.signal._dimensionality
self.dimensionality = self.signal.dimensionality
def __array__(self):
return self.signal
有了这些,我可以:
import numpy as np
import quantities as pq
a = Numeric(pq.Quantity([1,2,3], 'mV'))
b = Numeric(pq.Quantity([1,3,5], 's'))
c = Numeric(np.array([10,20,30]))
n = np.array([1,2,3])
a * a
a * c
a * n
a.max()
print type(a * n) == type(a.signal * n)
# >>> True
print type(a * c) == type(a.signal * c.signal)
# >>> True
返回类型对应于Numeric.signal
的等效返回类型
还有一个问题:
print type(n * a) == type(n * a.signal)
# >>> False
有什么想法,如何解决吗?有一个用于调整numpy
-函数的装饰器,并在数值中实现\uuuuuuuu
,我可以解决大多数问题:
def adapt_signal_functions(cls):
def generateAdjustedFunction(functionName):
print functionName
def foo(self, *args, **kwargs):
function = getattr(self.signal.__class__, functionName)
return function(self.signal, *args, **kwargs)
return foo
functionNames = [
'_get_units',
'_set_units',
'rescale',
'ptp',
'clip',
'copy',
'compress',
'conj',
'cumprod',
'cumsum',
'diagonal',
'dot',
'flatten',
'getfield',
'round',
'trace',
'max',
'mean',
'min',
'newbyteorder',
'prod',
'ravel',
'reshape',
'resize',
'round',
'std',
'sum',
'trace',
'transpose',
'var',
'__getitem__',
'__getslice__',
'__abs__',
#
'__add__',
'__div__',
'__divmod__',
'__floordiv__'
'__mod__',
'__mul__',
'__pow__',
'__sub__',
#
'__radd__',
'__div__',
'__divmod__',
'__rfloordiv__',
'__rmod__',
'__imul__',
#'__rmul__',
'__rpow__',
'__rsub__',
]
for functionName in functionNames:
foo = generateAdjustedFunction(functionName)
setattr(cls, functionName, foo)
return cls
@adapt_signal_functions
class Numeric(object):
def __init__(self, signal):
self.signal = signal
self.adapt_quantity()
def adapt_quantity(self):
if hasattr(self.signal, '_dimensionality'):
self._dimensionality = self.signal._dimensionality
self.dimensionality = self.signal.dimensionality
def __array__(self):
return self.signal
有了这些,我可以:
import numpy as np
import quantities as pq
a = Numeric(pq.Quantity([1,2,3], 'mV'))
b = Numeric(pq.Quantity([1,3,5], 's'))
c = Numeric(np.array([10,20,30]))
n = np.array([1,2,3])
a * a
a * c
a * n
a.max()
print type(a * n) == type(a.signal * n)
# >>> True
print type(a * c) == type(a.signal * c.signal)
# >>> True
返回类型对应于Numeric.signal
的等效返回类型
还有一个问题:
print type(n * a) == type(n * a.signal)
# >>> False
有什么想法,如何解决吗?这个要求是从哪里来的?ndarray的行为有什么你想要的吗?这是一件大事。如果没有子类化,您将永远无法获得完整的ndarray
行为,因为一些Numpy操作,如asarray
根据它们是否获得ndarray
实例或其他东西而不同。当我想将对象映射到表时,要求来自SQLAlchemy。我想使用算术函数和类似plot(Numeric(np.array([1,2,3])的东西。这个要求从何而来?你想要ndarray的行为有什么特别的地方吗?这是一件大事。如果不进行子类化,你永远不会得到完整的ndarray
行为,因为一些Numpy操作,如asarray
根据它们是否得到ndarray
实例或其他什么,它们的行为会有所不同否则。当我想将对象映射到一个表时,要求来自SQLAlchemy。我想使用算术函数和绘图(数字(np.array([1,2,3])。什么是“数量”?是SQLAlchemy中定义的东西?还是您自己定义的东西?(或其他东西?)@EdwardLoper-我假设它是这个单位转换库:准确地说,并且pq.Quantity
继承自numpy.ndarray
。什么是“数量”?是SQLAlchemy中定义的东西?还是您自己定义的东西?(或其他东西?)@EdwardLoper-我假设它是这个单位转换库:准确地说,pq.Quantity
继承自numpy.ndarray
。