11

我想继承 numpy ndarray。但是，我无法更改数组。为什么self = ...不改变数组？谢谢。

import numpy as np

class Data(np.ndarray):

    def __new__(cls, inputarr):
        obj = np.asarray(inputarr).view(cls)
        return obj

    def remove_some(self, t):
        test_cols, test_vals = zip(*t)
        test_cols = self[list(test_cols)]
        test_vals = np.array(test_vals, test_cols.dtype)

        self = self[test_cols != test_vals] # Is this part correct?

        print len(self) # correct result

z = np.array([(1,2,3), (4,5,6), (7,8,9)],
    dtype=[('a', int), ('b', int), ('c', int)])
d = Data(z)
d.remove_some([('a',4)])

print len(d)  # output the same size as original. Why?
4

3 回答 3

6

你没有得到你期望的结果的原因是你self在方法中重新分配remove_some。您只是在创建一个新的局部变量self。如果你的数组形状不改变，你可以简单地做 self[:] = ... 并且你可以保留对的引用self，一切都会好起来的，但是你正试图改变self. 这意味着我们需要重新分配一些新的内存并改变我们引用self.

我不知道该怎么做。我认为它可以通过__array_finalize__or __array__or来实现__array_wrap__。但是我尝试过的一切都失败了。

现在，还有另一种不子类化的方法ndarray。您可以创建一个新类，该类保留一个 ndarray 属性，然后覆盖所有通常__add__的 ,__mul__等。像这样：

Class Data(object):
    def __init__(self, inarr):
        self._array = np.array(inarr)
    def remove_some(x):
        self._array = self._array[x]
    def __add__(self, other):
        return np.add(self._array, other)

好吧，你明白了。覆盖所有操作符很痛苦，但从长远来看，我认为更灵活。

你必须彻底阅读这篇文章才能正确地做到这一点。有些方法 __array_finalize__需要在正确的时间进行“清理”。

于 2011-03-01T00:56:48.897 回答
5

也许使它成为一个函数，而不是一个方法： 

import numpy as np

def remove_row(arr,col,val):
    return arr[arr[col]!=val]

z = np.array([(1,2,3), (4,5,6), (7,8,9)],
    dtype=[('a', int), ('b', int), ('c', int)])

z=remove_row(z,'a',4)
print(repr(z))

# array([(1, 2, 3), (7, 8, 9)], 
#       dtype=[('a', '<i4'), ('b', '<i4'), ('c', '<i4')])

或者，如果你想要它作为一种方法，

import numpy as np

class Data(np.ndarray):

    def __new__(cls, inputarr):
        obj = np.asarray(inputarr).view(cls)
        return obj

    def remove_some(self, col, val):
        return self[self[col] != val]

z = np.array([(1,2,3), (4,5,6), (7,8,9)],
    dtype=[('a', int), ('b', int), ('c', int)])
d = Data(z)
d = d.remove_some('a', 4)
print(d)

这里的关键区别在于remove_some它不尝试修改self，它只是返回一个新的Data.

于 2011-03-01T13:05:38.747 回答
3

我尝试做同样的事情，但是继承ndarray确实非常复杂。

如果您只需要添加一些功能，我建议创建一个将数组存储为属性的类。

class Data(object):

    def __init__(self, array):
        self.array = array

    def remove_some(self, t):
        //operate on self.array
        pass

d = Data(z)
print(d.array)
于 2011-03-01T02:12:50.727 回答