Numpy apply沿U轴应用不返回ndarray子类

Question

我有一个ndarray子类，正确实现了__array_wrap__，np.apply_along_axis没有返回子类的实例，而是ndarrays。下面的代码复制了我的问题：

import numpy as np

class MySubClass(np.ndarray):

    def __new__(cls, input_array, info=None):
        obj = np.asarray(input_array).view(cls)
        obj.info = info
        return obj

    def __array_finalize__(self, obj):
        if obj is None: return
        self.info = getattr(obj, 'info', None)

    def __array_wrap__(self, out_arr, context=None):
        return np.ndarray.__array_wrap__(self, out_arr, context)

sample_ndarray = np.array([[0,5],[2.1,0]]) 
sample_subclass = MySubClass(sample_ndarray, info="Hi Stack Overflow")

# Find the smallest positive (>0) number along the first axis
min_positive = np.apply_along_axis(lambda x: np.min(np.extract(x>0,x)),
                                   0, sample_subclass)

# No more info
print hasattr(min_positive, 'info')
# Not a subclass
print isinstance(min_positive, MySubClass)
# Is an ndarray
print isinstance(min_positive, np.ndarray)

我能找到的最相关的问题是this one，但大家一致认为{}需要实现，我已经做到了。而且，np.extract和np.min都按预期返回子类，只是在使用apply_along_axis时，我看到了这种行为。在

有没有办法让我的代码返回我的子类？ 我使用的是numpy 1.11.0版

Answer 1

查看apply_along_axis代码（通过Ipython？？）在

Type:        function
String form: <function apply_along_axis at 0xb5a73b6c>
File:        /usr/lib/python3/dist-packages/numpy/lib/shape_base.py
Definition:  np.apply_along_axis(func1d, axis, arr, *args, **kwargs)
Source:
def apply_along_axis(func1d, axis, arr, *args, **kwargs):
...
    outarr = zeros(outshape, asarray(res).dtype)
    outarr[tuple(ind)] = res
....
    return outarr

我跳过了很多细节，但基本上它使用了np.zeros和{}和{}，但没有努力调整数组子类。在

许多numpy函数将操作委托给数组的方法，或者使用_wrapit（_wrapit(a, 'take', indices, axis, out, mode)）。在

您真的需要使用apply_along_axis？没什么神奇的。您可以在自己的代码中执行相同的迭代，而且速度一样快。在

=================

下面是2apply_along_axis示例和其他实现。它们太小，无法进行有意义的计时，我确信它们同样快，如果不是更多的话：

^{pr2}$

直接阵列实现：

^{3}$

第二：

In [10]: c=np.array([[8,1,7],[4,3,9],[5,2,6]])

In [11]: np.apply_along_axis(sorted, 1, c)
Out[11]: 
array([[1, 7, 8],
       [3, 4, 9],
       [2, 5, 6]])

In [12]: d=np.zeros_like(c)
In [13]: for i in range(c.shape[0]):
   ....:     d[i,:] = sorted(c[i,:]) 

In [14]: d
Out[14]: 
array([[1, 7, 8],
       [3, 4, 9],
       [2, 5, 6]])

在第一步中，我完全跳过迭代；在第二步，我使用相同的分配和迭代，开销较小。在

查看np.matrix和{}以了解如何实现ndarray子类的示例。在

---

np.core.fromnumeric.py作为_wrapit函数，由np.take等函数使用：

# functions that are now methods
def _wrapit(obj, method, *args, **kwds):
    try:
        wrap = obj.__array_wrap__
    except AttributeError:
        wrap = None
    result = getattr(asarray(obj), method)(*args, **kwds)
    if wrap:
        if not isinstance(result, mu.ndarray):
            result = asarray(result)
        result = wrap(result)
    return result

因此，如果obj有一个__array_wrap__方法，它将把它应用于数组结果。因此，您可以使用它作为包装apply_along_axis以获取自己的类的模型。在