Numpy ndarray子类-在__array_finitize__中强制整形

Question

我遇到以下问题：

我想写一个ndarray子类，并为该子类的任何新实例强制执行shape（-1，3），无论是显式构造函数、视图转换还是从模板。

我试了很多东西，但似乎都不管用。我想我还没有完全理解这个过程。非常感谢您的帮助！

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

澄清我想做什么：

我有向量场，我想将其一般地处理为3D，因此（：，3）形状和（-1,3）形状的大小调整。我正在寻找一个纯面向对象的解决方案来实现一些额外的方法，以补充NumPy已经提供的方法。

例如，我已经开始纯用ndarrays编写一些东西，但如果我能直接编写，代码的可读性会高得多

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，而不必在方法定义中进行索引和错误/维度检查

我想你可能会争辩说只使用my3DVectorClass的实例，但在使用所有SciPy机器时，我必须进行反向视图转换，因为如果我没有错的话，他们会期望ndarray，这会使代码的这些部分有点臃肿。

如果我的逻辑可能有错，我很感激你的建议。我仍然在OOP和SciPy/NumPy的学习曲线上。

已经非常感谢了！

Markus

Answer 1

您应该了解matrix类是如何实现的。它执行类似的技巧来维护ndims=2。

然而，我和许多其他人都认为这种伎俩麻烦重重。matrix类在过去引起了很多问题，因为它只是部分地像普通的ndarray。请考虑编写函数。上面给出的代码示例将是最可读的，比如：normalizedVector = normalize(ndarray)。即使使用面向对象的风格，制作更多的子类也不总是最好的设计。

Answer 2

reshape将尝试使用新形状创建数据视图，如果不能，则将使用新形状来创建数据副本。但原始对象保持不变。要在适当的位置修改形状，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]])

不过，您必须小心，因为如果不进行复制就无法对其进行整形，则会引发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