Python 为什么'；t numpy阵列支持可链接操作，有何改进建议？

我所说的可链接操作的意思是，可链接操作可以使用以前操作创建的最新数据帧。例如，考虑以下内容：

array.ChainableOpA().ChainableOpB().ChainableOpC()

这样，我们可以“持续”地、更清晰地做事情。此类设计在

pandas

中提供

numpy

有许多功能不是

ndarray

类的“方法”。例如，您可以调用

numpy.nanmean

，但没有

array.nanmean

。numpy中的这种设计禁止可链接操作

1） 那么为什么会发生这种情况呢？这是由于性能问题还是numpy的某些Zen

---

2） 我们有解决这个问题的办法吗？我可以考虑将

ndarray

子类化，并提供您想要的方法，但这似乎很乏味。在对

ndarray

进行子类化之后，我发现我使用的IDE PyCharm无法将其识别为用于在SciView中显示的数组。

您指的是流畅的界面。是否支持这样的接口取决于库的设计者。事实上，Python语言本身和内置类型往往不支持流畅的接口，尤其是可变类型。你的前提是

obj.met_a（）.met_b（）.met_c（）

比

fun_c（fun_b（fun_a（obj））

更具可读性，至少对我来说，这是不言而喻的。因此，这个问题似乎主要基于观点。您是否研究过定义了十几个

nan

函数的

numpy/lib/nanfunctions.py

？显然，几年前编写该文件的人认为使用函数格式比使用方法1更容易。我想您可以尝试将其重写为方法，但不要指望其他开发人员提供很多帮助。查看发行说明，看看当前的开发工作进展如何（我的印象是，

ufunc

最受关注）。您指的是流畅的界面。是否支持这样的接口取决于库的设计者。事实上，Python语言本身和内置类型往往不支持流畅的接口，尤其是可变类型。你的前提是

obj.met_a（）.met_b（）.met_c（）

比

fun_c（fun_b（fun_a（obj））

更具可读性，至少对我来说，这是不言而喻的。因此，这个问题似乎主要基于观点。您是否研究过定义了十几个

nan

函数的

numpy/lib/nanfunctions.py

？显然，几年前编写该文件的人认为使用函数格式比使用方法1更容易。我想您可以尝试将其重写为方法，但不要指望其他开发人员提供很多帮助。查看发行说明，看看当前的开发工作进展如何（我的印象是，

ufunc

最受关注）。