python - 为什么numpy中没有 'is' ufunc？

Question

我当然可以

a[a == 0] = something

将 a 中每个等于 0 的条目设置为 something。同样，我可以写

a[np.equal(a, 0)] = something

现在，想象 a 是 dtype=object 的数组。我不能写 a[a is None] 因为，当然，a 本身不是 None。意图很明确:我希望比较 is 像任何其他 ufunc 一样被广播。这个list from the docs没有列出任何类似于 is-unfunc 的内容。

为什么没有，而且，对我来说更有趣的是:什么是高性能替代品？

Answer 1

这里有两件事在起作用。

第一个(也是更重要的)是 is 是直接在 Python 解释器中实现的，没有重定向到 dunder 方法的选项。 Numpy 数组与许多其他对象一样，有一个实现 == 操作的 __eq__ 方法。 a is None 大约被视为 id(a) == id(None)，在任何情况下都无法追索元素实现。这就是 python 的工作原理。

第二个方面是 numpy 本质上是为存储数字而设计的。对象数组是将对象的引用存储为数字的特殊情况。这看起来与列表存储对象引用的方式相同，但仅在处理引用时才相似。例如，列表的元素始终是对对象的引用，即使列表包含同构整数也是如此。 dtype int 的 numpy 数组不包含 python 对象。数组的每个连续元素都是原始二进制整数，而不是对 python 对象包装器的引用。即使Python允许你重写is运算符，按元素应用也是没有意义的。

因此，如果你想比较对象，请使用 python 列表:

mylist = [...]
mylist = [something if x is None else x for x in mylist]

如果您坚持使用 numpy 数组，则 (a) 使用数值数组并用其他内容标记 None 元素，例如 np.nan，或者 (b)将数组视为列表。您必须将 id 或 is 应用于每个元素，它们是 python 构造，因此此时没有“高性能”方法来执行此操作，或者 (c)只需使用==，它将触发python级别的相等比较，这相当于单例None的is。