NumPy基础知识（九）

NumPy基础知识（九）

• 数据类型
• 数组创建
• 使用NumPy进行I / O
• 索引编制
• 广播
• 字节交换
• 结构化数组
• 编写自定义数组容器

• 子数组ndarray

 

子类ndarray 

简介

ndarray的子​​类化相对简单，但是与其他Python对象相比，它具有一些复杂性。在此页面上，我们解释了允许您对ndarray进行子类化的机制，以及实现子类的含义。

ndarrays和对象创建

ndarray的子​​类化很复杂，因为ndarray类的新实例可以以三种不同的方式出现。这些是：

1. 显式构造函数调用-如中所述MySubClass(params)。这是创建Python实例的常用方法。

2. 视图转换-将现有的ndarray转换为给定的子类

3. 模板新功能-从模板实例创建新实例。示例包括从子类数组返回切片，从ufunc创建返回类型以及复制数组。有关更多详细信息，请参见 从模板创建新内容。

最后两个是ndarray的特征-为了支持数组切片之类的事情。ndarray子类化的复杂性归因于numpy必须支持后两种实例创建路径的机制。

查看铸造

视图转换是标准的ndarray机制，通过该机制，您可以获取任何子类的ndarray，并将该数组的视图作为另一个（指定的）子类返回：

>>>

>>> import numpy as np
>>> # create a completely useless ndarray subclass
>>> class C(np.ndarray): pass
>>> # create a standard ndarray
>>> arr = np.zeros((3,))
>>> # take a view of it, as our useless subclass
>>> c_arr = arr.view(C)
>>> type(c_arr)
<class 'C'>

从模板创建新的

当numpy发现需要从模板实例创建新实例时，ndarray子类的新实例也可以通过与View Cast非常相似的机制来实现。这最明显的地方是当您获取子类数组的切片时。例如：

>>>

>>> v = c_arr[1:]
>>> type(v) # the view is of type 'C'
<class 'C'>
>>> v is c_arr # but it's a new instance
False

切片是原始数据的视图c_arr。因此，当我们从ndarray进行查看时，我们将返回一个相同类的新ndarray，它指向原始数据。

在使用ndarray时，还有其他需要我们提供此类视图的要点，例如复制数组（c_arr.copy()），创建ufunc输出数组（有关ufuncs和其他函数，另请参见__array_wrap__）以及简化方法（如 c_arr.mean()）。

视图转换和新模板的关系

这些路径都使用相同的机器。我们在这里有所不同，因为它们导致您的方法输入不同。具体来说， 视图转换意味着您已经从ndarray的任何潜在子类中创建了数组类型的新实例。 通过模板创建new 意味着您已经从现有实例创建了类的新实例，例如，允许您跨子类特有的属性进行复制。

子类化的含义

如果我们将ndarray子类化，则不仅需要处理数组类型的显式构造，还需要处理View铸造或 从template创建new。NumPy拥有执行此操作的机制，并且这种使子类化成为稍微不标准的机制。

ndarray用于支持子类中的视图和new-from-template的机制有两个方面。

首先是使用该ndarray.__new__方法进行对象初始化的主要工作，而不是使用更常用的__init__ 方法。第二个方法是使用该__array_finalize__方法允许子类在从模板创建视图和新实例之后进行清理。

在一个简短的Python底漆__new__和__init__

__new__是标准的Python方法，如果存在，则在__init__创建类实例之前被调用。有关更多详细信息，请参见python __new__文档。

例如，考虑以下Python代码：

class C:
    def __new__(cls, *args):
        print('Cls in __new__:', cls)
        print('Args in __new__:', args)
        # The `object` type __new__ method takes a single argument.
        return object.__new__(cls)

    def __init__(self, *args):
        print('type(self) in __init__:', type(self))
        print('Args in __init__:', args)

意味着我们得到：

>>>

>>> c = C('hello')
Cls in __new__: <class 'C'>
Args in __new__: ('hello',)
type(self) in __init__: <class 'C'>
Args in __init__: ('hello',)

当我们调用时C('hello')，该__new__方法将其自身的类作为第一个参数，并将传递的参数作为字符串 'hello'。在python调用之后__new__，它通常（如下所示）调用我们的__init__方法，其输出__new__作为第一个参数（现在是一个类实例），然后是传递的参数。

如您所见，对象可以在__new__ 方法中或在__init__方法中或在这两者中初始化，实际上ndarray没有__init__方法，因为所有初始化都在__new__方法中完成。

为什么要使用__new__而不是仅仅使用普通的__init__？因为在某些情况下，对于ndarray，我们希望能够返回某个其他类的对象。考虑以下：

class D(C):
    def __new__(cls, *args):
        print('D cls is:', cls)
        print('D args in __new__:', args)
        return C.__new__(C, *args)

    def __init__(