Question

在寻找一个不起眼的错误时，我偶然发现了这个最小例子最好的证明：

import numpy as np

class First(object):
    def __init__(self):
        self.vF = np.vectorize(self.F)
        print "First: vF = ", self.vF

    def F(self, x):
        return x**2


class Second(First):
    def __init__(self):
        super(Second, self).__init__()
        print "Second: vF = ", self.vF

    def F(self, x):
        raise RuntimeError("Never be here.")

    def vF(self, x):
        return np.asarray(x)*2

我希望Second的一个实例有一个明确定义的vF方法，但似乎并非如此：

arg = (1, 2, 3)

f = First()       
print "calling first.vF: ", f.vF(arg)

s = Second()
print "calling second.vF: ", s.vF(arg)

产生

First: vF =  <numpy.lib.function_base.vectorize object at 0x23f9310>
calling first.vF:  [1 4 9]
First: vF =  <numpy.lib.function_base.vectorize object at 0x23f93d0>
Second: vF =  <numpy.lib.function_base.vectorize object at 0x23f93d0>
calling second.vF: 
Traceback (most recent call last):
...
RuntimeError: Never be here.

因此s.vF和f.vF似乎是同一个对象，即使s.vF == f.vF是False。

这是一个预期/已知/记录的行为，numpy.vectorize不能很好地继承，或者我在这里遗漏了一些简单的东西？（当然，在这种特殊情况下，通过将First.vF更改为普通的Python方法，或者只是不在super的构造函数中调用Second，可以轻松解决问题。）

Answer 1

这与NumPy无关。这是完全合理的语言设计决策（以及您决定使用该语言的方式）相互作用的结果：

实例属性优先于类属性。我相信你会同意这是合理的。
方法是类属性，并不特别。我相信你会同意这是合理的（如果你不这样做，请查看描述符，特别是允许self.F工作的绑定方法。）
继承的实例属性附加到同一个对象，而不是某些奇怪的“父代理”对象或其他东西。我相信你会同意这是合理的。

结合起来，这些完全合理的行为可能会产生意想不到的行为，如果你不记住细节，而是使用简化的心理模型（例如心理隔离方法和“数据”属性）。详细说明，这在您的示例中发生：

调用相应的构造函数。这可以是First.__init__或Second.__init__，可以立即调用First.__init__。
因此，obj.vF 始终在First.__init__中为所有obj创建的矢量化函数。

但是，每个对象的矢量化函数都会包装相应对象的self.F。对于第二个对象，这是RuntimeError - 提升Second.F。

你应该在这里使用常规的vF方法，因为这样可以轻松覆盖子类，因为属性查找的工作方式（参见：MRO）。

Answer 2

这一般与numpy.vectorize或numpy无关......

这里发生的是Second.__init__调用First.__init__从vF创建实例属性（self.F）（实际上是Second.F的实例方法包装器1}}）并将vF存储在实例上。现在，当您查找vF时，您将获得猴子修补版本，而不是原始实例方法Second.vF。

继承numpy.vectorize-ed函数

2 个答案: