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
,则永远不会从表达式中调用它a < b
:
def __rlt__(self, lhs): return 0
我意识到这__rlt__
并不是一个真正的 Python 特殊名称,但我认为它可能会起作用。我尝试了所有的__lt__
, __le__
, __eq__
, __ne__
, __ge__
,__gt__
有和没有前面的r
, plus __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?
更新
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,NumPy 指南是这样说的:
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.
我认为这是使 + 起作用的规则。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 0
def __radd__(self, rhs): return 1
__array_priority__ = 100
b = Bar1()
print a + b # Calls __radd__ once, returns 1
# 1
如您所见,没有__array_priority__
,NumPy 将用户定义的对象解释为标量类型,并将操作应用于数组中的每个位置。那不是我想要的。我的类型是类似数组的(但不应从 ndarray 派生)。
这是一个更长的示例,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]]