强制乘法使用 rmul() 而不是 Numpy 数组 mul() 或绕过广播

Question

这个问题与中的问题很接近，但我的印象是这是一个比数字数据更普遍的问题。这也没有得到回答，我真的不想为此操作使用矩阵乘法 @ 。因此，问题。

我有一个接受标量和数值数组乘法的对象。像往常一样，左乘法工作正常，因为它使用了 myobj() 方法，但在右乘法中，NumPy 使用广播规则并给出元素结果 dtype=object.

这也有无法检查数组大小是否兼容的副作用。

所以问题是

Is there a way to force numpy array to look for the __rmul__() of the other object instead of broadcasting and performing elementwise __mul__()?

在我的特殊情况下，对象是 MIMO（多输入、多输出）传递函数矩阵（如果您愿意，也可以是滤波器系数矩阵），因此矩阵乘法在线性加法和乘法方面具有特殊意义系统。因此在每个条目中都有 SISO 系统。

import numpy as np

class myobj():
    def __init__(self):
        pass

    def __mul__(self, other):
        if isinstance(other, type(np.array([0.]))):
            if other.size == 1:
                print('Scalar multiplication')
            else:
                print('Multiplication of arrays')

    def __rmul__(self, other):
        if isinstance(other, type(np.array([0.]))):
            if other.size == 1:
                print('Scalar multiplication')
            else:
                print('Multiplication of arrays')

A = myobj()
a = np.array([[[1+1j]]])  # some generic scalar
B = np.random.rand(3, 3)

根据这些定义，以下命令显示了不良行为。

In [123]: A*a
Scalar multiplication

In [124]: a*A
Out[124]: array([[[None]]], dtype=object)

In [125]: B*A
Out[125]: 
array([[None, None, None],
       [None, None, None],
       [None, None, None]], dtype=object)

In [126]: A*B
Multiplication of arrays

In [127]: 5 * A

In [128]: A.__rmul__(B)  # This is the desired behavior for B*A
Multiplication of arrays

Answer 1

我将尝试演示发生了什么。

In [494]: B=np.random.rand(3,3)

准系统class:

In [497]: class myobj():
     ...:     pass
     ...: 
In [498]: B*myobj()
...

TypeError: unsupported operand type(s) for *: 'float' and 'myobj'

添加一个__mul__

In [500]: class myobj():
     ...:     pass
     ...:     def __mul__(self,other):
     ...:         print('myobj mul')
     ...:         return 12.3
     ...: 
In [501]: B*myobj()
...
TypeError: unsupported operand type(s) for *: 'float' and 'myobj'
In [502]: myobj()*B
myobj mul
Out[502]: 12.3

添加一个rmul:

In [515]: class myobj():
     ...:     pass
     ...:     def __mul__(self,other):
     ...:         print('myobj mul',other)
     ...:         return 12.3
     ...:     def __rmul__(self,other):
     ...:         print('myobj rmul',other)
     ...:         return 4.32
     ...: 
In [516]: B*myobj()
myobj rmul 0.792751549595306
myobj rmul 0.5668783619454384
myobj rmul 0.2196204913660168
myobj rmul 0.5474970289273348
myobj rmul 0.2079367474424587
myobj rmul 0.5374571198848628
myobj rmul 0.35748803226628456
myobj rmul 0.41306113085906715
myobj rmul 0.499598995529441
Out[516]: 
array([[4.32, 4.32, 4.32],
       [4.32, 4.32, 4.32],
       [4.32, 4.32, 4.32]], dtype=object)

B*myobj() 被赋予 B，作为 B.__mul__(myobj())，它继续为 B.

的每个元素执行 myobj().__rmul__(i)

在 myobj()*B 中转换为 myobj.__mul__(B):

In [517]: myobj()*B
myobj mul [[ 0.79275155  0.56687836  0.21962049]
 [ 0.54749703  0.20793675  0.53745712]
 [ 0.35748803  0.41306113  0.499599  ]]
Out[517]: 12.3

In [518]: myobj().__rmul__(B)
myobj rmul [[ 0.79275155  0.56687836  0.21962049]
 [ 0.54749703  0.20793675  0.53745712]
 [ 0.35748803  0.41306113  0.499599  ]]
Out[518]: 4.32

您无法在 myobj 中执行任何操作来覆盖 B*myobj() 到 B.__mul__(myobj()) 的翻译。如果您需要更好地控制操作，请使用函数或方法。口译员好难斗

Answer 2

默认情况下，NumPy 假设未知对象（不是从 ndarray 继承）是标量，它需要 "vectorize" 对任何 NumPy 数组的每个元素进行乘法运算。

要自己控制操作，您需要设置 __array_priority__（最向后兼容）或 __array_ufunc__（仅限 NumPy 1.13+）。例如：

class myworkingobj(myobj):
    __array_priority__ = 1000

A = myworkingobj()
B = np.random.rand(3, 3)
B * A  # Multiplication of arrays

强制乘法使用 rmul() 而不是 Numpy 数组 mul() 或绕过广播

Forcing multiplication to use rmul() instead of Numpy array mul() or bypassing the broadcasting

python

arrays

numpy

python-3.x

array-broadcasting

强制乘法使用 __rmul__() 而不是 Numpy 数组 __mul__() 或绕过广播

Forcing multiplication to use __rmul__() instead of Numpy array __mul__() or bypassing the broadcasting

python

arrays

numpy

python-3.x

array-broadcasting

强制乘法使用 rmul() 而不是 Numpy 数组 mul() 或绕过广播

Forcing multiplication to use rmul() instead of Numpy array mul() or bypassing the broadcasting