Python - 如何实现与 NumPy 函数兼容的自定义类？答案

【问题标题】：Python - how to implement a custom class compatible with NumPy functions?Python - 如何实现与 NumPy 函数兼容的自定义类？
【发布时间】：2017-09-15 12:53:33
【问题描述】：

我正在尝试实现我自己的自定义类来存储数据。我想让它与 NumPy 兼容，这样我就可以像这样调用 NumPy 函数：

np.sin(my_object)

我知道有一本名为__array_interface__ 的字典，但是我在尝试使用它时遇到了很多奇怪的错误。

import numpy as np
import pandas as pd

class TDF:
    __array_interface__ = {'typestr': '|i1', 'version': 1}

    def __init__(self):
        self.ddata = pd.DataFrame([1, 2, 3])
        self.shape = self.ddata.shape

    def __iter__(self):
        return iter(self.ddata)

    def __len__(self):
        return len(self.ddata)

    def __getitem__(self, key):
        return self.ddata.__getitem__(key)

if __name__ == '__main__':
    tdf1 = TDF()
    tdf = np.sin(tdf1)

上面的代码给了我一个运行时错误：

ValueError: setting an array element with a sequence.

我错过了什么？另一方面，pandas 的源代码（哪些类与 NumPy 兼容）没有明确使用 array_interface dict...

【问题讨论】：

标签： python arrays class numpy interface

【解决方案1】：

一个简单的解决方法是实施

def __array__(self):
    return self.ddata

【讨论】：

谢谢。是的——这就是我们所需要的。如果你想让一个 numpy 函数的结果是你的自定义类型，你还必须添加方法 array_wrap。
有时还有__array_prepare__。即将来到您附近的 numpy：__array_ufunc__，它比 __array_wrap__ 做得更好

【解决方案2】：

您没有访问存储在对象中的数据。变量tdf1 只是TDF 实例，但数据存储在tdf1.ddata 中。尝试拨打np.sin(tdf1.ddata)

【讨论】：

很好。这确实是解决办法
但重点是无缝访问存储在对象中的数据，而不是直接指向它。在pandas对象上使用numpy函数时，不需要指定pandas内部存储数据的变量
@Tomasz R：试试def __array__(self): return np.array(self.ddata)
@Grr：如果您有__array_interface__ 属性，则永远不会调用__array__。但是，意识到这不是@Tomasz R 想要的，它只是从pandas.column 到np.array 的类型转换。至于现在，我认为这是最接近的解决方案。
谢谢大家。是的，array就够了，不能和array_interface放在一起。如果你希望返回的值是你的自定义类型，你还必须实现 array_wrap