Question

我正在尝试使用numpy v1.13中引入的__array_ufunc__方法实现numpy的ufunc与类一起使用。

为简化起见，这是该类的样子：

class toto():
    def __init__(self, value, name):
        self.value = value
        self.name = name
    def __add__(self, other):
    """add values and concatenate names"""
        return toto(self.value + other.value, self.name + other.name)
    def __sub__(self, other):
    """sub values and concatenate names"""
        return toto(self.value - other.value, self.name + other.name)  

tata = toto(5, "first")  
titi = toto(1, "second")

现在，如果我尝试在这两者之间应用np.add，则会得到预期的结果，因为np.add依赖于 add 。但是，如果我打电话说np.exp，则会收到预期的错误：

>>> np.exp(tata)
AttributeError: 'toto' object has no attribute 'exp'

现在，我想做的是“重写”所有numpy的ufunc，以便与该类一起正常工作，而不必重新定义该类中的每个方法（exp（self），log（self）等）。 / p>

我打算使用numpy ufunc的[__array_ufunc __] 1来执行此操作，但由于它没有提供简单的实现示例，因此我并不真正理解该文档。

如果有人对这种看起来很有希望的新功能有任何经验，您能提供一个简单的例子吗？

Answer 1

如果我使用__array_ufunc__方法（和__repr__）扩展您的课程：

class toto():
    def __init__(self, value, name):
        self.value = value
        self.name = name
    def __add__(self, other):
        """add values and concatenate names"""
        return toto(self.value + other.value, self.name + other.name)
    def __sub__(self, other):
        """sub values and concatenate names"""
        return toto(self.value - other.value, self.name + other.name)

    def __repr__(self):
        return f"toto: {self.value}, {self.name}"
    def __array_ufunc__(self, *args, **kwargs):
        print(args)
        print(kwargs)

并尝试一些ufunc通话：

In [458]: np.exp(tata)                                                          
(<ufunc 'exp'>, '__call__', toto: 5, first)
{}
In [459]: np.exp.reduce(tata)                                                   
(<ufunc 'exp'>, 'reduce', toto: 5, first)
{}
In [460]: np.multiply.reduce(tata)                                              
(<ufunc 'multiply'>, 'reduce', toto: 5, first)
{}
In [461]: np.exp.reduce(tata,axes=(1,2))                                        
(<ufunc 'exp'>, 'reduce', toto: 5, first)
{'axes': (1, 2)}
In [463]: np.exp.reduce(tata,axes=(1,2),out=np.arange(3))                       
(<ufunc 'exp'>, 'reduce', toto: 5, first)
{'axes': (1, 2), 'out': (array([0, 1, 2]),)}

显示您的班级收到的信息。显然，您可以执行所需的操作。它可以返回NotImplemented。我想在您的情况下，它可以将第一个参数应用于您的self.value，或进行一些自定义计算。

例如，如果我添加

      val = args[0].__call__(self.value) 
      return toto(val, self.name)

我得到：

In [468]: np.exp(tata)                                                          
(<ufunc 'exp'>, '__call__', toto: 5, first)
{}
Out[468]: toto: 148.4131591025766, first
In [469]: np.sin(tata)                                                          
(<ufunc 'sin'>, '__call__', toto: 5, first)
{}
Out[469]: toto: -0.9589242746631385, first

但是，如果将对象放入数组中，仍然会出现方法错误

In [492]: np.exp(np.array(tata))                                                
---------------------------------------------------------------------------
AttributeError                            Traceback (most recent call last)
<ipython-input-492-4dc37eb0ffe3> in <module>
----> 1 np.exp(np.array(tata))

AttributeError: 'toto' object has no attribute 'exp'

显然，对象dtype数组上的ufunc会迭代该数组的元素，并期望使用“相关”方法。对于np.add（+），它将寻找__add__方法。对于np.exp，它寻找一种exp方法。这个__array_ufunc__没有被调用。

因此，它似乎更多地用于ndarray或类似的子类。我认为您正在尝试实现一个可用作对象dtype数组元素的类。

如何使用__array_ufunc __

1 个答案: