numpy.lib.mixins.NDArrayOperatorsMixin #

numpy.lib.mixins。NDArrayOperatorsMixin [来源] #

Mixin 使用 __array_ufunc__ 定义所有运算符特殊方法。

该类通过遵循子类必须实现的方法,为模块中定义的几乎所有 Python 内置运算符实现了特殊方法operator,包括比较(==>等)和算术(+*、等)。-__array_ufunc__

它对于编写不继承自 的类很有用numpy.ndarray,但应支持算术和 numpy 通用函数(如数组),如重写 Ufunc 的机制中所述。

ArrayLike 作为一个简单的示例,考虑一个简单包装 NumPy 数组并确保任何算术运算的结果也是一个对象的类的实现ArrayLike

class ArrayLike(np.lib.mixins.NDArrayOperatorsMixin):
    def __init__(self, value):
        self.value = np.asarray(value)

    # One might also consider adding the built-in list type to this
    # list, to support operations like np.add(array_like, list)
    _HANDLED_TYPES = (np.ndarray, numbers.Number)

    def __array_ufunc__(self, ufunc, method, *inputs, **kwargs):
        out = kwargs.get('out', ())
        for x in inputs + out:
            # Only support operations with instances of _HANDLED_TYPES.
            # Use ArrayLike instead of type(self) for isinstance to
            # allow subclasses that don't override __array_ufunc__ to
            # handle ArrayLike objects.
            if not isinstance(x, self._HANDLED_TYPES + (ArrayLike,)):
                return NotImplemented

        # Defer to the implementation of the ufunc on unwrapped values.
        inputs = tuple(x.value if isinstance(x, ArrayLike) else x
                       for x in inputs)
        if out:
            kwargs['out'] = tuple(
                x.value if isinstance(x, ArrayLike) else x
                for x in out)
        result = getattr(ufunc, method)(*inputs, **kwargs)

        if type(result) is tuple:
            # multiple return values
            return tuple(type(self)(x) for x in result)
        elif method == 'at':
            # no return value
            return None
        else:
            # one return value
            return type(self)(result)

    def __repr__(self):
        return '%s(%r)' % (type(self).__name__, self.value)

在对象与数字或 numpy 数组之间的交互中ArrayLike,结果始终是另一个ArrayLike

>>> x = ArrayLike([1, 2, 3])
>>> x - 1
ArrayLike(array([0, 1, 2]))
>>> 1 - x
ArrayLike(array([ 0, -1, -2]))
>>> np.arange(3) - x
ArrayLike(array([-1, -1, -1]))
>>> x - np.arange(3)
ArrayLike(array([1, 1, 1]))

请注意,与 不同的是numpy.ndarrayArrayLike不允许使用任意的、无法识别的类型进行操作。这确保了与 ArrayLike 的交互保留了明确定义的转换层次结构。

1.13 版本中的新功能。