使用 __numpy_ufunc__()

Question

我正在尝试使用 __numpy_ufunc__() 方法解释 here in the Numpy v1.11 docs，以覆盖 ndarray 的子 class 上 numpy ufuncs 的行为，但它永远不会似乎被调用了。尽管指南中列出了这个用例，但我找不到任何实际使用 __numpy_ufunc__() 的人的例子。有人试过这个吗？这是一个最小的例子：

# Check python version
import sys
print(sys.version)

3.5.1 |Continuum Analytics, Inc.| （默认，2016 年 6 月 15 日，15:32:45）

[GCC 4.4.7 20120313（红帽 4.4.7-1）

# Check numpy version
import numpy as np
print(np.__version__)

1.11.2

# Subclass ndarray as discussed in 
# https://docs.scipy.org/doc/numpy/user/basics.subclassing.html
class Function(np.ndarray):

    # Create subclass object by view
    def __new__(cls):
        obj = np.asarray([1,2,3]).view(cls)
        return obj

    # I'm not even adding anything functionality yet
    def __array_finalize(self,obj): pass

    # Override ufuncs
    def __numpy_ufunc__(ufunc, method, i, inputs, **kwargs):
        print("In PF __numpy_ufunc__")
        # do other stuff here if I want to 
        # and probably need to return a value...

# Create two Functions
f1=Function()
f2=Function()

# Check that they are correctly initialized as Function objects
# not just ndarrays
print(type(f1),type(f2))

⟨class 'main.Function'⟩ ⟨class 'main.Function'⟩

# Add using operator
f1+f2

函数([2, 4, 6])

# Add, explicitly demanding a numpy ufunc
np.add(f1,f2)

函数([2, 4, 6])

显然，subclassing 有效，它使用 numpy 在幕后添加数组。我正在使用足够新的 numpy 版本来使用 __numpy_ufunc__() 功能（根据该文档页面，它是 v1.11 中的新功能）。但是这段代码永远不会打印出 "In PF __numpy_ufunc__"。给出了什么？

Answer 1

此功能终于在 Numpy 1.13 中以新名称发布：

__array_ufunc__ added

This is the renamed and redesigned __numpy_ufunc__. Any class, ndarray subclass or not, can define this method or set it to None in order to override the behavior of NumPy’s ufuncs. This works quite similarly to Python’s __mul__ and other binary operation routines. See the documentation for a more detailed description of the implementation and behavior of this new option. The API is provisional, we do not yet guarantee backward compatibility as modifications may be made pending feedback. See the NEP and documentation for more details.

这应该可以解决这个问题。

使用 __numpy_ufunc__()

Use of __numpy_ufunc__()

python

numpy

numpy-ufunc