python – 如何覆盖NumPy的ndarray和我的类型之间的比较？

发布时间：2020-12-20 13:32:49 所属栏目：Python 来源：网络整理

导读：在NumPy中,可以使用__array_priority__属性来控制作用于ndarray和用户定义类型的二元运算符.例如： class Foo(object): def __radd__(self,lhs): return 0 __array_priority__ = 100a = np.random.random((100,100))b = Foo()a + b # calls b.__radd__(a) -

在NumPy中,可以使用__array_priority__属性来控制作用于ndarray和用户定义类型的二元运算符.例如：

class Foo(object):
  def __radd__(self,lhs): return 0
  __array_priority__ = 100

a = np.random.random((100,100))
b = Foo()
a + b # calls b.__radd__(a) -> 0

然而,同样的事情似乎不适用于比较运算符.例如,如果我将以下行添加到Foo,那么它永远不会从表达式a< b：

def __rlt__(self,lhs): return 0

我意识到__rlt__并不是真正的Python特殊名称,但我认为它可能有用.我尝试了所有的__lt __,__ le __,__ eq __,__ ne__,__ ge __,__ gt__,有或没有前面的r,加上__cmp__,但我永远无法让NumPy调用它们中的任何一个.

这些比较可以被覆盖吗？

UPDATE

为了避免混淆,这里有一个更长的描述NumPy的行为.对于初学者来说,这是NumPy指南中所说的内容：

If the ufunc has 2 inputs and 1 output and the second input is an Object array
then a special-case check is performed so that NotImplemented is returned if the
second input is not an ndarray,has the array priority attribute,and has an
r<op> special method.

我认为这是制定工作的规则.这是一个例子：

import numpy as np
a = np.random.random((2,2))


class Bar0(object):
  def __add__(self,rhs): return 0
  def __radd__(self,rhs): return 1

b = Bar0()
print a + b # Calls __radd__ four times,returns an array
# [[1 1]
#  [1 1]]



class Bar1(object):
  def __add__(self,rhs): return 1
  __array_priority__ = 100

b = Bar1()
print a + b # Calls __radd__ once,returns 1
# 1

如您所见,在没有__array_priority__的情况下,NumPy将用户定义的对象解释为标量类型,并在数组中的每个位置应用该操作.那不是我想要的.我的类型是数组(但不应该从ndarray派生).

这是一个较长的示例,显示了在定义所有比较方法时如何失败：

class Foo(object):
  def __cmp__(self,rhs): return 0
  def __lt__(self,rhs): return 1
  def __le__(self,rhs): return 2
  def __eq__(self,rhs): return 3
  def __ne__(self,rhs): return 4
  def __gt__(self,rhs): return 5
  def __ge__(self,rhs): return 6
  __array_priority__ = 100

b = Foo()
print a < b # Calls __cmp__ four times,returns an array
# [[False False]
#  [False False]]

解决方法

看起来我自己可以回答这个问题. np.set_numeric_ops可以使用如下：

class Foo(object):
  def __lt__(self,rhs): return 0
  def __le__(self,rhs): return 1
  def __eq__(self,rhs): return 2
  def __ne__(self,rhs): return 3
  def __gt__(self,rhs): return 4
  def __ge__(self,rhs): return 5
  __array_priority__ = 100

def override(name):
  def ufunc(x,y):
    if isinstance(y,Foo): return NotImplemented
    return np.getattr(name)(x,y)
  return ufunc

np.set_numeric_ops(
    ** {
        ufunc : override(ufunc) for ufunc in (
            "less","less_equal","equal","not_equal","greater_equal","greater"
          )
    }
  )

a = np.random.random((2,2))
b = Foo()
print a < b
# 4

（编辑：李大同）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!