我們可以使用NumPy中引入的NumPy的分配機(jī)制來編寫與NumPy API兼容并提供NumPy功能的自定義實(shí)現(xiàn)的自定義n維數(shù)組容器，應(yīng)用程序包括dask數(shù)組（分布在多個(gè)節(jié)點(diǎn)上的n維數(shù)組）和cupy數(shù)組（GPU上的n維數(shù)組 ）。

下面示例的實(shí)用程序不常用，但說明了所涉及的概念。

我們自定義數(shù)組可以像這樣實(shí)例化：

我們可以使用numpy.array或numpy.asarray轉(zhuǎn)換為numpy數(shù)組，這將調(diào)用其_array_方法以獲得標(biāo)準(zhǔn)numpy.ndarray。

如果我們使用numpy函數(shù)對arr進(jìn)行操作，numpy將再次使用array接口將其轉(zhuǎn)換為數(shù)組，然后以通常的方式使用該函數(shù)。

返回類型是標(biāo)準(zhǔn)的numpy.ndarray

我們?nèi)绾瓮ㄟ^這個(gè)函數(shù)傳遞我們自定義數(shù)組類型呢？NumPy允許一個(gè)類通過接口_array_ufunc和_array_function_以定義的方式處理計(jì)算。我們一次取一個(gè)_array_ufunc_。這個(gè)方法涵蓋了通用函數(shù)（ufunc），這是一類函數(shù)，其中包括numpy.multiply和numpy.sin。

該_array_ufunc_接收：

1.ufunc，類似numpy.multiply

2.method，一個(gè)字符串，區(qū)分numpy.multiply（…）和類似的變體，如numpy.multiply.outer，numpy.multiply.accumulate等等。通常情況下，numpy.multiply（…），method==‘_call_’

3.inputs,可能是不同類型的混合物

4.kwargs，將關(guān)鍵字參數(shù)傳遞給函數(shù)

在下面示例中，我們將僅處理方法_call_

現(xiàn)在我們的自定義數(shù)組類型通過numpy函數(shù)傳遞。

在這一點(diǎn)上arr+3是行不通的

為了支持它，我們需要定義Python接口add、It等來分派給相應(yīng)的ufunc，我們可以通過繼承mixin來方便地實(shí)現(xiàn)這一點(diǎn)。

接下來我們來解決_array_function_。我們將創(chuàng)建字典，將NumPy函數(shù)映射到我們的自定義變體。

一個(gè)簡潔的模式是定義一個(gè)裝飾器實(shí)現(xiàn)，可以用來向已處理函數(shù)添加函數(shù)。

現(xiàn)在，我們?yōu)閷?shí)現(xiàn)DiagonalArray編寫NumPy函數(shù)。為了支持arr.sum()的用法，添加一個(gè)調(diào)用numpy.sum(self)的方法sum，并且均值也是如此。

如果我們嘗試使用HANDLED_FUNCTIONS中未包含的任何NumPy函數(shù)，則NumPy會(huì)引發(fā)TypeError，指示不支持此操作。例如，鏈接兩個(gè)DiagonalArrays不會(huì)產(chǎn)生另一個(gè)對角線數(shù)組，因此不支持它。

此外，sum和mean的實(shí)現(xiàn)不接受NumPy的實(shí)現(xiàn)所接受的可選參數(shù)。

我們可以選擇使用numpy.asarray轉(zhuǎn)換為普通numpy.ndarray，并以此出使用標(biāo)準(zhǔn)Numpy。

如果你想學(xué)習(xí)Python，但是找不到學(xué)習(xí)路徑和資源，歡迎上指尖編程。