如何使__add__的numpy重載獨立於操作數順序？

Question

我在包含numpy數組的屬性的類中重載運算符時遇到了一個問題。根據操作數的順序，結果類型將是我的類A（所需行爲）或一個numpy數組。如何使它總是返回一個A的實例？

例子：

import numpy as np 

class A(object): 
    """ class overloading a numpy array for addition 
    """ 
    def __init__(self, values): 
     self.values = values 

    def __add__(self, x): 
     """ addition 
     """ 
     x = np.array(x) # make sure input is numpy compatible 
     return A(self.values + x) 

    def __radd__(self, x): 
     """ reversed-order (LHS <-> RHS) addition 
     """ 
     x = np.array(x) # make sure input is numpy compatible 
     return A(x + self.values) 

    def __array__(self): 
     """ so that numpy's array() returns values 
     """ 
     return self.values 

    def __repr__(self): 
     return "A object: "+repr(self.values) 

A的一個實例：

>>> a = A(np.arange(5)) 

這按預期工作：

>>> a + np.ones(5) 
A object: array([ 1., 2., 3., 4., 5.]) 

這不：

>>> np.ones(5) + a 
array([ 1., 2., 3., 4., 5.]) 

即使這是罰款：

>>> list(np.ones(5)) + a 
A object: array([ 1., 2., 3., 4., 5.]) 

什麼發生在第二個例子是RADD不叫可言的，而不是從np.ones（5）numpy的方法__add__被調用。

我試圖從this post但__array_priority__幾點建議似乎沒有什麼差別（seberg評論後編輯：至少在numpy的1.7.1，但可以在新版本的工作），並__set_numeric_ops__導致段錯誤..我想我做錯了什麼。

對上述簡單示例有效的任何建議（同時保留__array__屬性）？

編輯：我不想讓A成爲np.ndarray的子​​類，因爲這會伴隨其他併發症，我想避免 - 至少現在。請注意，熊貓似乎已經解決了這個問題：

import pandas as pd 
df = pd.DataFrame(np.arange(5)) 
type(df.values + df) is pd.DataFrame # returns True 
isinstance(df, np.ndarray) # returns False 

我很想知道這是如何完成的。

解決方案：除了子類的M4rtini解決方案，還可以將__array_wrap__屬性添加到類A（以避免子類化）。更多here。根據seberg，__array_priority__也可以在較新的numpy版本上工作（請參閱評論）。

Answer 1

讓A的np.ndarray一個子類，Python將調用您A.__radd__方法第一。

從object.__radd__ documentation：

注意：如果右操作數的類型是左操作數的類型的子類，該子類提供了操作的體現方法，這個方法會被左側之前調用操作數的不反映方法。這種行爲允許子類覆蓋其祖先的操作。

通過繼承您的A對象確實能夠攔截加：

>>> import numpy as np 
>>> class A(np.ndarray): 
...  """ class overloading a numpy array for addition 
...  """ 
...  def __init__(self, values): 
...   self.values = values 
...  def __add__(self, x): 
...   """ addition 
...   """ 
...   x = np.array(x) # make sure input is numpy compatible 
...   return A(self.values + x) 
...  def __radd__(self, x): 
...   """ reversed-order (LHS <-> RHS) addition 
...   """ 
...   x = np.array(x) # make sure input is numpy compatible 
...   return A(x + self.values) 
...  def __array__(self): 
...   """ so that numpy's array() returns values 
...   """ 
...   return self.values 
...  def __repr__(self): 
...   return "A object: "+repr(self.values) 
... 
>>> a = A(np.arange(5)) 
>>> a + np.ones(5) 
A object: array([ 1., 2., 3., 4., 5.]) 
>>> np.ones(5) + a 
A object: array([ 1., 2., 3., 4., 5.]) 

不要學習Subclassing ndarray documenation的注意事項和影響。

Answer 2

由於@ M4rtini和@seberg，似乎加入__array_wrap__確實解決了一個問題：

class A(object): 
    ... 
    def __array_wrap__(self, result): 
     return A(result) # can add other attributes of self as constructor 

這似乎在任何ufunc操作結束被調用（它包括陣列添加）。這也是熊貓的做法（0.12.0，pandas/core/frame.py l。6020）。