- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
考虑以下代码片段:
import numpy as np
class MyClass:
def __rsub__(self, other):
print(type(other), other)
obj = MyClass()
arr = np.ones(3)
arr - obj
我希望它打印 <class 'numpy.ndarray'> [1. 1. 1.]
。但实际上,好像是调用__rsub__
对于每个元素:
<class 'float'> 1.0
<class 'float'> 1.0
<class 'float'> 1.0
有没有办法告诉 numpy 我想要第一个行为,即将整个减法委托(delegate)给 MyClass
?
最佳答案
在 NumPy 1.13+ 上,您可以使用 NumPy 特定的 Hook 来执行此操作,但您不能拥有 __rsub__
击败__sub__
一般方法。
__rsub__
如果左操作数的 __sub__
则尝试无法处理该操作,但左操作数可以处理该操作。 NumPy 数组的 __sub__
将接受任何 RHS 并执行广播减法。您的对象的 __rsub__
仅对广播减法中的各个操作起作用。
有一种非常有限的情况,__rsub__
首先尝试,如果 RHS 的类是 LHS 类的子类。从技术上讲,您可以对 numpy.ndarray
进行子类化,但这会带来很多额外的负担,而且对于 numpy.matrix([[1]]) - obj
仍然没有任何作用。或其他子类。
没有办法说“我希望我的 __rsub__
战胜一切”。它不存在,它的存在也没有意义,因为如果你试图减去两个都想声明其方法胜过一切的对象,会发生什么?
这就是一般情况。不过,特别是对于 NumPy,您可以连接 numpy.ndarray.__sub__
的机制。代表们。
NumPy 数组委托(delegate) __sub__
到 NumPy ufunc机械。那里有一堆奇怪的自定义选项,但我们对一个特定选项的具体使用感兴趣:通过设置 __array_ufunc__
至None
在类级别,您可以声明与 ufunc 不兼容的类。这意味着所有 NumPy 运算符重载都将返回 NotImplemented
,让你的类处理该操作。这会影响所有运算符和更多东西,但以您可能想要的方式:
class MyClass:
__array_ufunc__ = None
def __rsub__(self, other):
print(type(other), other)
如果你想要比阻止所有 ufunc 更有针对性的东西,你可以实现一个实际的 __array_ufunc__
方法,只处理 ufunc 是减法并且类的实例是 RHS 的情况:
class MyClass:
def __array_ufunc__(self, ufunc, method, *inputs, **kwargs):
if ufunc is not numpy.subtract:
return NotImplemented
if method != '__call__':
return NotImplemented
if len(inputs) != 2 or inputs[1] is not self:
return NotImplemented
if kwargs:
return NotImplemented
return self.__rsub__(inputs[0])
def __rsub__(self, other):
print(type(other), other)
关于python - 如何使用 numpy 数组正确调用 `__rsub__` ?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/58408999/
作为脚本的输出,我有 numpy masked array和标准numpy array .如何在运行脚本时轻松检查数组是否为掩码(具有 data 、 mask 属性)? 最佳答案 您可以通过 isin
我的问题 假设我有 a = np.array([ np.array([1,2]), np.array([3,4]), np.array([5,6]), np.array([7,8]), np.arra
numpy 是否有用于矩阵模幂运算的内置实现? (正如 user2357112 所指出的,我实际上是在寻找元素明智的模块化减少) 对常规数字进行模幂运算的一种方法是使用平方求幂 (https://en
我已经在 Numpy 中实现了这个梯度下降: def gradientDescent(X, y, theta, alpha, iterations): m = len(y) for i
我有一个使用 Numpy 在 CentOS7 上运行的项目。 问题是安装此依赖项需要花费大量时间。 因此,我尝试 yum install pip install 之前的 numpy 库它。 所以我跑:
处理我想要旋转的数据。请注意,我仅限于 numpy,无法使用 pandas。原始数据如下所示: data = [ [ 1, a, [, ] ], [ 1, b, [, ] ], [ 2,
numpy.random.seed(7) 在不同的机器学习和数据分析教程中,我看到这个种子集有不同的数字。选择特定的种子编号真的有区别吗?或者任何数字都可以吗?选择种子数的目标是相同实验的可重复性。
我需要读取存储在内存映射文件中的巨大 numpy 数组的部分内容,处理数据并对数组的另一部分重复。整个 numpy 数组占用大约 50 GB,我的机器有 8 GB RAM。 我最初使用 numpy.m
处理我想要旋转的数据。请注意,我仅限于 numpy,无法使用 pandas。原始数据如下所示: data = [ [ 1, a, [, ] ], [ 1, b, [, ] ], [ 2,
似乎 numpy.empty() 可以做的任何事情都可以使用 numpy.ndarray() 轻松完成,例如: >>> np.empty(shape=(2, 2), dtype=np.dtype('d
我在大型 numpy 数组中有许多不同的形式,我想使用 numpy 和 scipy 计算它们之间的边到边欧氏距离。 注意:我进行了搜索,这与堆栈中之前的其他问题不同,因为我想获得数组中标记 block
我有一个大小为 (2x3) 的 numpy 对象数组。我们称之为M1。在M1中有6个numpy数组。M1 给定行中的数组形状相同,但与 M1 任何其他行中的数组形状不同。 也就是说, M1 = [ [
如何使用爱因斯坦表示法编写以下点积? import numpy as np LHS = np.ones((5,20,2)) RHS = np.ones((20,2)) np.sum([ np.
假设我有 np.array of a = [0, 1, 1, 0, 0, 1] 和 b = [1, 1, 0, 0, 0, 1] 我想要一个新矩阵 c 使得如果 a[i] = 0 和 b[i] = 0
我有一个形状为 (32,5) 的 numpy 数组 batch。批处理的每个元素都包含一个 numpy 数组 batch_elem = [s,_,_,_,_] 其中 s = [img,val1,val
尝试为基于文本的多标签分类问题训练单层神经网络。 model= Sequential() model.add(Dense(20, input_dim=400, kernel_initializer='
首先是一个简单的例子 import numpy as np a = np.ones((2,2)) b = 2*np.ones((2,2)) c = 3*np.ones((2,2)) d = 4*np.
我正在尝试平均二维 numpy 数组。所以,我使用了 numpy.mean 但结果是空数组。 import numpy as np ws1 = np.array(ws1) ws1_I8 = np.ar
import numpy as np x = np.array([[1,2 ,3], [9,8,7]]) y = np.array([[2,1 ,0], [1,0,2]]) x[y] 预期输出: ar
我有两个数组 A (4000,4000),其中只有对角线填充了数据,而 B (4000,5) 填充了数据。有没有比 numpy.dot(a,b) 函数更快的方法来乘(点)这些数组? 到目前为止,我发现
我是一名优秀的程序员,十分优秀!