我使用的是一个开发良好的Python类(我们称之为Foo1D
),它有一系列很好的方法,但只适用于1D数据。分叉回购和修改每个方法来处理二维数据是非常耗时的。你知道吗
因此,我想制作一个“矢量化”包装器Foo2D
,它接受不相关的2D输入,将其转换为Foo1D
对象的集合,在调用方法时遍历该集合,并返回一个结果数组。你知道吗
以下是我尝试过的:
class Foo1D(object):
def __init__(self, data1D):
self.offset = 20
self.data = data1D+self.offset
def multiply(self, x):
return self.data*x
def add(self, a):
return self.data+a
class Foo2D(object):
def __init__(self, data2D):
dummy = Foo1D(data2D[0])
self.__class__ = type(dummy.__class__.__name__, (self.__class__, dummy.__class__), {})
self.__dict__ = dummy.__dict__
del dummy
self.data2D = [Foo1D(data1D) for data1D in data2D]
def __getattr__(self, item, *args, **kwargs):
result = [getattr(data1D, item)(*args, **kwargs) for data1D in self.data2D]
return np.array(result)
这将创建具有正确属性的Foo1D
和Foo2D
对象,但是Foo2D
方法的行为不符合预期。举个例子:
a1D = np.arange(10)
a2D = a1D.reshape(2,5)
A = Foo1D(a1D)
B = Foo2D(a2D)
因此,当我运行A.multiply(2)
时,我得到了array([40, 42, 44, 46, 48, 50, 52, 54, 56, 58])
。你知道吗
但是当我运行B.multiply(2)
时,当我期望得到array([[40, 42, 44, 46, 48],[50, 52, 54, 56, 58]])
时,我得到了array([40, 42, 44, 46, 48])
。这是因为B.data
只是a2D
的第一个元素,但我不明白为什么。你知道吗
事实上,如果我做了np.array([getattr(i, 'multiply')(2) for i in B.data2D])
,我会得到我期望的答案array([[40, 42, 44, 46, 48],[50, 52, 54, 56, 58]])
。你知道吗
知道为什么会这样吗?谢谢!你知道吗
代码不起作用的原因有:
__getattribute__
而不是__getattr__
。事实上Foo2D.__getattr__
永远不会被调用(尝试在其中放入print语句)。你知道吗__getattribute__
将抛出错误RuntimeError: maximum recursion depth exceeded
,因为self.data2D
等价于self.__getattribute__('data2D')
。你知道吗Foo2D.multiply
是由self.__class__ = type(dummy.__class__.__name__, (self.__class__, dummy.__class__), {})
设置的,所以你只得到Foo2D.data2D[0].multiply
。我敢打赌这条线还有其他意想不到的后果。你知道吗self
和属性名被传递给Foo2D.__getattribute__
。如果Foo2D.__getattr__
返回一个函数,那么这个函数将处理其他参数(例如*args, **kwargs
)。你知道吗下面我已经实现了
Foo2D
的一个版本,我相信它能达到预期的效果。Foo2D.__getattribute__
尝试使用object.__getattribute__
,并且只在抛出AttributeError
(即,尚未设置该属性)的情况下执行特殊操作。如果Foo1D
中请求的属性是可调用的(即一个函数),那么Foo2D._vec_attr
将用于执行按元素计算。否则它只给出属性向量。你知道吗对于Python2:
对于Python3:
区别在于对
super
的调用。你知道吗相关问题 更多 >
编程相关推荐