从序列内部正确转换为 ndarray 的 Numpy 可转换类？

Question

__array__方法允许自定义类型自动转换为 numpy.例如。，

>>> class Convertible:
...  def __array__(self):
...    return np.zeros(7)
>>> np.array(Convertible())
array([ 0.,  0.,  0.,  0.,  0.,  0.,  0.])

不幸的是， __array__如果自定义类型出现在序列中，则不起作用:

>>> np.array([Convertible(), Convertible()])
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
TypeError: float() argument must be a string or a number, not 'Convertible'

有没有办法修复 Convertible以便转换 Convertible 的序列使用 np.array 进行 numpy 的对象与转换每一个然后转换结果 ndarrays的序列相同?

Answer 1

它必须是一个序列。
numpy.array takes

An array, any object exposing the array interface, an object whose __array__ method returns an array, or any (nested) sequence.

当您调用 numpy.array在 Convertible例如，您遇到了“ __array__ 方法返回数组的对象”的情况。当您在敞篷车列表中调用它时，您将遇到“任何(嵌套)序列”的情况。类型推断逻辑似乎正在使用 __array__您在确定新数组的 dtype 时定义的方法，但在那之后，由于您的对象不提供序列协议(protocol)，NumPy 假定您的对象应直接转换为整数。

实现 __len__和 __getitem__ , 你应该可以转换 [Convertible(), Convertible()]到一个数组。 NumPy 将使用序列协议(protocol)而不是 __array__但是，当您这样做时，这将涉及比您可能想要的更多的 Python 方法调用。除了直接 numpy.array 之外，您还必须做一些事情。如果您想防止这种情况，请调用。