numpy.lib.mixins.NDArrayOperatorsMixin#

класс numpy.lib.mixins.NDArrayOperatorsMixin[источник]#

Миксин, определяющий все специальные методы операторов с использованием __array_ufunc__.

Этот класс реализует специальные методы для почти всех встроенных операторов Python, определённых в operator модуль, включая сравнения (==, >, и т.д.) и арифметические (+, *, -, и т.д.), путём передачи управления __array_ufunc__ метод, который подклассы должны реализовать.

Полезно для написания классов, которые не наследуются от numpy.ndarray, но который должен поддерживать арифметические операции и универсальные функции NumPy, как массивы, описанные в NEP 13 — Механизм переопределения Ufuncs.

В качестве простого примера рассмотрим эту реализацию ArrayLike класс, который просто оборачивает массив NumPy и гарантирует, что результат любой арифметической операции также является ArrayLike объект:

>>> import numbers
>>> class ArrayLike(np.lib.mixins.NDArrayOperatorsMixin):
...     def __init__(self, value):
...         self.value = np.asarray(value)
...
...     # One might also consider adding the built-in list type to this
...     # list, to support operations like np.add(array_like, list)
...     _HANDLED_TYPES = (np.ndarray, numbers.Number)
...
...     def __array_ufunc__(self, ufunc, method, *inputs, **kwargs):
...         out = kwargs.get('out', ())
...         for x in inputs + out:
...             # Only support operations with instances of
...             # _HANDLED_TYPES. Use ArrayLike instead of type(self)
...             # for isinstance to allow subclasses that don't
...             # override __array_ufunc__ to handle ArrayLike objects.
...             if not isinstance(
...                 x, self._HANDLED_TYPES + (ArrayLike,)
...             ):
...                 return NotImplemented
...
...         # Defer to the implementation of the ufunc
...         # on unwrapped values.
...         inputs = tuple(x.value if isinstance(x, ArrayLike) else x
...                     for x in inputs)
...         if out:
...             kwargs['out'] = tuple(
...                 x.value if isinstance(x, ArrayLike) else x
...                 for x in out)
...         result = getattr(ufunc, method)(*inputs, **kwargs)
...
...         if type(result) is tuple:
...             # multiple return values
...             return tuple(type(self)(x) for x in result)
...         elif method == 'at':
...             # no return value
...             return None
...         else:
...             # one return value
...             return type(self)(result)
...
...     def __repr__(self):
...         return '%s(%r)' % (type(self).__name__, self.value)

Во взаимодействиях между ArrayLike объекты и числа или массивы numpy, результат всегда другой ArrayLike:

>>> x = ArrayLike([1, 2, 3])
>>> x - 1
ArrayLike(array([0, 1, 2]))
>>> 1 - x
ArrayLike(array([ 0, -1, -2]))
>>> np.arange(3) - x
ArrayLike(array([-1, -1, -1]))
>>> x - np.arange(3)
ArrayLike(array([1, 1, 1]))

Обратите внимание, что в отличие от numpy.ndarray, ArrayLike не разрешает операции с произвольными, нераспознанными типами. Это гарантирует, что взаимодействия с ArrayLike сохраняют определённую иерархию преобразований.

На этой странице