对象的numpy数组

Question

我正在尝试用Python实现一个晶格模型的模拟（晶格玻尔兹曼）。这个晶格的每个点都有一些属性，并且会根据特定的规则与邻近的点进行交互。我觉得可以创建一个类，把所有的属性放在里面，然后用这个类的实例来构建一个网格。（由于我对Python不太熟悉，这个想法可能并不好，所以欢迎大家对我的方法提出意见。）

下面是我正在做的一个简单示例：

class site:
    def __init__(self,a,...):
        self.a = a
        .... other properties ...
    def set_a(self, new_a):
        self.a = new_a

现在我想处理一个这样的2D或3D晶格（网格），所以我尝试了以下方法（这里是一个2D的3x3网格作为例子，但在模拟中我需要的规模是超过1000x1000x1000的）

lattice = np.empty( (3,3), dtype=object)
lattice[:,:] = site(3)

现在的问题是，每个晶格点都指向同一个实例，比如说：

lattice[0,0].set_a(5)

这也会把lattice[0,2].a的值设置为5。这种行为是我不想要的。为了避免这个问题，我可以遍历每个网格点，逐个分配对象，比如：

for i in range(3):
    for j in range(3):
        lattice[i,j] = site(a)

但是有没有更好的方法（不涉及循环）来将对象分配给多维数组呢？

谢谢！

Answer 1

我不确定这样做是否更好，但作为一种替代方案，你可以写下面的代码：

lattice = np.empty( (3,3), dtype=object)
lattice.flat = [site(3) for _ in lattice.flat]

这段代码应该适用于任何形状的格子。

Answer 2

你需要知道的是，Python把所有东西都当作引用来处理。（有一些“不可变”的对象，比如字符串、数字和元组，它们更像是值。）当你执行

lattice[:,:] = site(3)

时，你实际上是在告诉Python：“创建一个新的对象site，然后让lattice中的每个元素都指向这个对象。”为了验证这一点，你可以打印数组，看看这些对象的内存地址是否都是一样的：

array([[<__main__.Site object at 0x1029d5610>,
        <__main__.Site object at 0x1029d5610>,
        <__main__.Site object at 0x1029d5610>],
       [<__main__.Site object at 0x1029d5610>,
        <__main__.Site object at 0x1029d5610>,
        <__main__.Site object at 0x1029d5610>],
       [<__main__.Site object at 0x1029d5610>,
        <__main__.Site object at 0x1029d5610>,
        <__main__.Site object at 0x1029d5610>]], dtype=object)

用循环的方式是一种正确的做法。对于numpy数组，这可能是你最好的选择；而对于Python列表，你也可以使用列表推导式：

lattice = [ [Site(i + j) for i in range(3)] for j in range(3) ]

你可以用列表推导式来构建numpy.array：

lattice = np.array( [ [Site(i + j) for i in range(3)] for j in range(3) ],
                    dtype=object)

现在当你打印lattice时，它是

array([[<__main__.Site object at 0x1029d53d0>,
        <__main__.Site object at 0x1029d50d0>,
        <__main__.Site object at 0x1029d5390>],
       [<__main__.Site object at 0x1029d5750>,
        <__main__.Site object at 0x1029d57d0>,
        <__main__.Site object at 0x1029d5990>],
       [<__main__.Site object at 0x1029d59d0>,
        <__main__.Site object at 0x1029d5a10>,
        <__main__.Site object at 0x1029d5a50>]], dtype=object)

这样你就能看到里面的每个对象都是独一无二的。

你还应该注意，“setter”和“getter”方法（比如set_a）在Python中并不常见。直接设置和获取属性会更好，如果你真的需要防止对某个属性的写入，可以使用@property装饰器。

另外，Python类的命名标准是使用驼峰命名法，而不是小写字母。

Answer 3

你可以把这个类的 __init__ 函数进行 向量化：

import numpy as np

class Site:
    def __init__(self, a):
        self.a = a
    def set_a(self, new_a):
        self.a = new_a

vSite = np.vectorize(Site)

init_arry = np.arange(9).reshape((3,3))

lattice = np.empty((3,3), dtype=object)
lattice[:,:] = vSite(init_arry)

这样做可能看起来更整洁，但在性能上并没有比你用循环的方法更好。使用列表推导式会生成一个中间的 Python 列表，这样反而会影响性能。