Question

我遇到以下问题：

我想编写一个ndarray子类，并为此子类的任何新实例强制执行shape（-1,3），无论它采用哪种方式 - 显式构造函数，视图转换或模板。

我尝试过很多东西，但似乎都没有用。我估计我还没有完全掌握基础过程。非常感谢任何帮助！

import numpy as np

class test(np.ndarray):
def __new__(cls, *args, **kwargs):
    return np.ndarray.__new__(cls, *args, **kwargs)

def __array_finalize__(self, obj):

#        self.resize(-1,3)
#        self.reshape(-1,3)
#        self=self.reshape(-1,3)
        np.reshape(self,(-1,3))

a=np.array([1,2,3])
b=a.view(test)
c=test(a)
d=a.reshape(-1,3)
print '+++++++'
print a.shape,a
print '+++++++'
print b.shape,b
print '+++++++'
print c.shape,c
print '+++++++'
print d.shape,d

澄清我想要做的事情：

我有矢量字段，我想将其一般地视为3D，因此（：，3）形状和（-1,3）形状调整大小。我正在寻找一个纯粹的面向对象的解决方案来实现基本上一些额外的方法来补充NumPy已经提供的内容。

例如，我已经开始用纯粹的ndarrays编写一些东西，但是如果我能写的话，代码会更具可读性

normalizedVector = ndarray.view(my3DVectorClass).normalize()

而不是

normalizedVector = ndarray / ( sum(ndarray**2, axis=1)**0.5 )

我的第二个问题：

我希望能够不必担心我是否要求形状（3，）或（：，3）数组的规范化版本。
我希望能够在类方法实现中使用纯线性代数术语，而不必为方法定义中的索引和错误/维度检查而烦恼

我想你可以争论只使用my3DVectorClass的实例，但是在使用所有SciPy机器时我必须进行反向视图转换，因为如果我没有弄错，他们会期望ndarray，这会使这些代码的一部分有点臃肿。

如果我的逻辑错误，我会感激你的建议。我仍然非常关注OOP和SciPy / NumPy的学习曲线。

非常感谢！

马库斯

Answer 1

您应该看一下matrix class的实施方式。它也有类似的技巧来维护ndims=2。

然而，我和其他许多人认为这样的伎俩比它的价值更麻烦。 matrix类在过去引起了很多问题，因为它只是部分行为像普通的ndarray。考虑改写函数。您在上面提供的代码示例最具可读性：normalizedVector = normalize(ndarray)。即使使用面向对象的样式，创建更多子类并不总是最好的设计。

Answer 2

reshape将尝试使用新形状创建数据视图，如果不能，则会使用新形状创建数据副本。但原始对象保持不变。要就地修改形状，您可以执行以下操作：

self.shape = (-1, 3)

例如：

>>> a = np.arange(9)
>>> a
array([0, 1, 2, 3, 4, 5, 6, 7, 8])
>>> np.reshape(a, (-1, 3)) # creates a view with the new shape
array([[0, 1, 2],
       [3, 4, 5],
       [6, 7, 8]])
>>> a # but the original object is unchanged
array([0, 1, 2, 3, 4, 5, 6, 7, 8])
>>> a.shape = (-1, 3) # this modifies the original object
>>> a
array([[0, 1, 2],
       [3, 4, 5],
       [6, 7, 8]])

你必须要小心，因为如果不复制它就不能重新塑造，它会引发AttributeError：

>>> a = np.arange(36).reshape(6, 6).T
>>> b = np.reshape(a, (-1, 3)) # creates a copy of the data in a
>>> a.shape = (-1, 3) # tries to reshape in-place, and fails
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
AttributeError: incompatible shape for a non-contiguous array

Numpy ndarray子类 - 强制重塑__array_finalize__

2 个答案: