python - 子类化 numpy ndarray 问题

Question

我想子类化 numpy ndarray。但是，我无法更改数组。为什么 self = ... 不改变数组？谢谢。

import numpy as np

class Data(np.ndarray):

    def __new__(cls, inputarr):
        obj = np.asarray(inputarr).view(cls)
        return obj

    def remove_some(self, t):
        test_cols, test_vals = zip(*t)
        test_cols = self[list(test_cols)]
        test_vals = np.array(test_vals, test_cols.dtype)

        self = self[test_cols != test_vals] # Is this part correct?

        print len(self) # correct result

z = np.array([(1,2,3), (4,5,6), (7,8,9)],
    dtype=[('a', int), ('b', int), ('c', int)])
d = Data(z)
d.remove_some([('a',4)])

print len(d)  # output the same size as original. Why?

Answer 1

您没有得到预期结果的原因是您在方法 remove_some 中重新分配了 self。您只是在创建一个新的局部变量 self。如果你的数组形状没有改变，你可以简单地做 self[:] = ... 你可以保留对 self 的引用，一切都会很好，但你正在尝试改变形状 self 。这意味着我们需要重新分配一些新内存并更改我们引用 self 时指向的位置。

我不知道该怎么做。我认为可以通过 __array_finalize__ 或 __array__ 或 __array_wrap__ 来实现。但我尝试过的一切都达不到要求。

现在，还有另一种方法可以解决这个问题，它不会子类化 ndarray。您可以创建一个新类来保留一个 ndarray 属性，然后覆盖所有常用的 __add__、__mul__ 等。像这样:

Class Data(object):
    def __init__(self, inarr):
        self._array = np.array(inarr)
    def remove_some(x):
        self._array = self._array[x]
    def __add__(self, other):
        return np.add(self._array, other)

好了，你明白了。重写所有运算符很痛苦，但从长远来看，我认为更灵活。

你必须阅读 this彻底做对。像 __array_finalize__ 这样的方法需要在正确的时间调用以进行“清理”。