Python lazy evaluation numpy ndarray

Question

我有一个大型 2D 数组，我想声明一次，偶尔只根据参数更改一些值，而不遍历整个数组。

为了构建这个数组，我用 dtype=object 子类化了 numpy ndarray 类，并分配给我想要更改函数的元素，例如：

def f(parameter):
     return parameter**2
for i in range(np.shape(A)[0]):
    A[i,i]=f
    for j in range(np.shape(A)[0]):
        A[i,j]=1.

然后，我覆盖了 __getitem__ 方法，以便它返回具有给定参数的函数的计算（如果它是可调用的），否则返回值本身。

    def __getitem__(self, key):
        value = super(numpy.ndarray, self).__getitem__(key)
        if callable(value):
            return value(*self.args)
        else:
            return value

以前self.args提供给 myclass 实例的地方。

但是，我需要在最后使用浮点数组，并且我不能简单地使用这种技术将此数组转换为dtype=float数组。我还尝试使用 numpy 视图，这对 dtype=object 也不起作用。

你有更好的选择吗？我应该覆盖视图方法而不是 getitem 吗？

编辑 我将来可能不得不使用 Cython，所以如果你有一个涉及例如 C 指针的解决方案，我很感兴趣。

Answer 1

在这种情况下，将转换函数绑定到数组的每个索引是没有意义的。

相反，更有效的方法是将转换定义为函数，以及它所应用的数组的子集。 这是一个基本的实现，

import numpy as np
class LazyEvaluation(object):
    def __init__(self):
        self.transforms = []
    def add_transform(self, function, selection=slice(None), args={}):
        self.transforms.append( (function, selection, args))
    def __call__(self, x):
        y = x.copy() 
        for function, selection, args in self.transforms:
            y[selection] = function(y[selection], **args)
        return y

可以按如下方式使用：

x = np.ones((6, 6))*2
le = LazyEvaluation()
le.add_transform(lambda x: 0, [[3], [0]]) # equivalent to x[3,0]
le.add_transform(lambda x: x**2, (slice(4), slice(4,6)))  # equivalent to x[4,4:6]
le.add_transform(lambda x: -1,  np.diag_indices(x.shape[0], x.ndim), ) # setting the diagonal 
result =  le(x)
print(result)

哪个打印，

array([[-1.,  2.,  2.,  2.,  4.,  4.],
       [ 2., -1.,  2.,  2.,  4.,  4.],
       [ 2.,  2., -1.,  2.,  4.,  4.],
       [ 0.,  2.,  2., -1.,  4.,  4.],
       [ 2.,  2.,  2.,  2., -1.,  2.],
       [ 2.,  2.,  2.,  2.,  2., -1.]])

通过这种方式，您可以轻松支持所有高级 Numpy 索引（逐元素访问、切片、花哨索引等），同时将数据保存在具有本机数据类型（float、int 等）的数组中，这比使用 dtype='object' 更有效。