为什么更改 numpy 子类的属性不会更改子类数组？

Question

我在子类化 numpy 数组时遇到以下问题

例如：

import numpy

class Example(numpy.ndarray):
   def __new__(cls, x, y):
       dt = [('x', 'float'), ('y', 'float')]
       buffer = numpy.array(zip(x, y),dtype=dt)
       obj = super(Example, cls).__new__(cls, buffer.shape, dtype=dt,
                                          buffer=buffer)
       obj.x = numpy.array(x, dtype='float')
       obj.y = numpy.array(y, dtype='float')
       return obj

   def __array_finalize__(self, obj):
        if obj is None: return
        self.x = getattr(obj, 'x', None)
        self.y = getattr(obj, 'y', None)

如果我用 obj.x 和 obj['x'] 进行操作，一个不会改变另一个。例如这些操作将显示不同的结果

x = [1,2,3,4]
y = [1,1,1,1]

obj = Example(x,y)
obj.x = obj.x / 2.
print obj.x, obj['x']

或

obj = Example(x,y)
obj['x'] = obj['x'] / 2.
print obj.x, obj['x']

当我对其中一个（obj.x 或 obj['x'] 进行操作时，如何才能使另一个也发生变化？

Answer 1

使用 [('x', 'float'), ('y', 'float')] 作为数据类型告诉 numpy 创建一个 structured array 字段名为 x 和 y。正如您所展示的，这些是使用括号访问的。现在您还向 class 添加了属性（使用 obj.<name> 访问）。但是，您已经为属性创建了新数组。要修复属性符号，您需要让 x 和 y 属性通过这些名称指向数组字段，而不是单独的数组。所以改变

   obj.x = numpy.array(x, dtype='float')
   obj.y = numpy.array(y, dtype='float')

到

   obj.x = obj['x']
   obj.y = obj['y']

edit 这仅修复了问题中的第二个测试用例。分配给 x 或 y 仍然会分配一个新对象作为属性，而不是更新 x 或 y。要解决此问题，需要修改 class 的 __setattr__ 方法（参见 here）

def __setattr__(self, attr, value):
    if attr in ['x', 'y']:
         getattr(self, attr)[:] = attr
    else:
         setattr(self, attr, value)

但是，Numpy 已经有一个数组类型来允许访问字段作为属性。你可以这样使用它

obj = np.array(np.r_[x, y], dtype=[('x', 'float'), ('y', 'float')]) 
obj = obj.view(np.recarray)

恭喜你！您已经有效地重新实现了 record arrays（好吧，np.recarray 将不允许访问与 ndarray 具有的属性或函数匹配的字段名称。所以像 mean 或 [=28 这样的名称=] 出来了，而你的代码将允许这些）。当您花费数小时创建 numpy 已经拥有的东西时，这总是一个好兆头（而且非常令人沮丧）。

为什么更改 numpy 子类的属性不会更改子类数组？

Why changes on attributes at a numpy subclass does not change the subclass array?

python

arrays

attributes

numpy

subclass