NumPy 的分派机制(在numpy版本v1.16中引入)是编写与numpy API兼容并提供numpy功能的自定义实现的自定义N维数组容器的推荐方法。
应用包括 dask 数组(分布在多个节点上的N维数组)
和 cupy
数组(GPU上的N维数组)。
为了获得编写自定义数组容器的感觉,我们将从一个简单的示例开始,该示例具有相当狭窄的实用程序,但说明了所涉及的概念。
>>> import numpy as np
>>> class DiagonalArray:
... def __init__(self, N, value):
... self._N = N
... self._i = value
... def __repr__(self):
... return f"{self.__class__.__name__}(N={self._N}, value={self._i})"
... def __array__(self):
... return self._i * np.eye(self._N)
...
我们的自定义数组可以实例化,如下所示:
arr = DiagonalArray(5, 1)
arr
DiagonalArray(N=5, value=1)
我们可以使用 numpy.array
或 numpy.asarray
, 转换为numpy数组,这将调用它的 array 方法来获得标准 numpy.ndarray。
>>> np.asarray(arr)
array([[1., 0., 0., 0., 0.],
[0., 1., 0., 0., 0.],
[0., 0., 1., 0., 0.],
[0., 0., 0., 1., 0.],
[0., 0., 0., 0., 1.]])
如果我们使用 numpy 函数对 arr 进行操作,numpy 将再次使用 __array__接口将其转换为数组,然后以通常的方式应用该函数。
>>> np.multiply(arr, 2)
array([[2., 0., 0., 0., 0.],
[0., 2., 0., 0., 0.],
[0., 0., 2., 0., 0.],
[0., 0., 0., 2., 0.],
[0., 0., 0., 0., 2.]])
注意,返回类型是标准 numpy.ndarray。
>>> type(arr)
numpy.ndarray
我们如何通过此函数传递我们的自定义数组类型?Numpy允许类指示它希望通过交互 array_ufunc 和 array_function 以自定义方式处理计算。
让我们一次拿一个,从 array_ufunc 开始。
此方法涵盖 Universal functions (ufunc),
这是一类函数,包括例如 numpy.multiply
和 numpy.sin。
array_ufunc 获得:
ufunc, 一个类似 numpy.multiply 的函数
method,一个字符串,区分 numpy.multiply(...)。
以及numpy.multiy.outer、numpy.multiy.accumate等变体。对于常见情况,numpy.multiply(...),method='__call__'。
inputs, 可能是不同类型的混合
kwargs, 传递给函数的关键字参数
对于这个例子,我们将只处理方法 'call。