如何在 Python 2 中实现中缀运算符矩阵乘法？答案

【问题标题】：How to implement infix operator matrix multiplication in Python 2?如何在 Python 2 中实现中缀运算符矩阵乘法？
【发布时间】：2020-04-22 16:33:19
【问题描述】：

我已经使用 python 3.7 几个月了，但我最近不得不切换到 python 2.7。由于我正在开发科学代码，因此我严重依赖使用中缀运算符 @ 来乘以 nd 数组。这个运算符是在 python 3.5 中引入的（请参阅here），因此，我不能在我的新设置中使用它。

显而易见的解决方案是将所有M1 @ M2 替换为numpy.matmul(M1, M2)，这严重限制了我的代码的可读性。

我看到了这个hack，它定义了一个中缀类，允许通过重载or 和ror 运算符来创建自定义运算符。我的问题是：如何使用这个技巧使中缀 |at| 运算符像 @ 一样工作？

我尝试的是：

import numpy as np

class Infix:
    def __init__(self, function):
        self.function = function
    def __ror__(self, other):      
        return Infix(lambda x, self=self, other=other: self.function(other, x))
    def __or__(self, other):
        return self.function(other)
    def __call__(self, value1, value2):
        return self.function(value1, value2)

# Matrix multiplication
at = Infix(lambda x,y: np.matmul(x,y))

M1 = np.ones((2,3))
M2 = np.ones((3,4))

print(M1 |at| M2)

当我执行这段代码时，我得到：

ValueError: operands could not be broadcast together with shapes (2,3) (3,4)

我想我知道什么是行不通的。当我只看M1|at时，我可以看到它是一个2*3的函数数组：

array([[<__main__.Infix object at 0x7faa1c0d6da0>,
        <__main__.Infix object at 0x7faa1c0d6860>,
        <__main__.Infix object at 0x7faa1c0d6828>],
       [<__main__.Infix object at 0x7faa1c0d6f60>,
        <__main__.Infix object at 0x7faa1c0d61d0>,
        <__main__.Infix object at 0x7faa1c0d64e0>]], dtype=object)

这不是我所期望的，因为我希望我的代码将这个二维数组视为一个整体，而不是逐个元素...

有人知道我应该怎么做吗？

PS：我也考虑过使用this answer，但必须避免使用外部模块。

【问题讨论】：

这种事情更容易引起问题而不是解决问题。除了回到 3.x 之外，numpy.matmul 是您的最佳选择。（NumPy 甚至不再支持 2.x。随着时间的推移，尝试在 2.x 上完成工作将会遇到越来越多的兼容性问题。）
感谢您的回答。回到 2.x 不是一个选择，因为我现在在我公司拥有和管理的虚拟机上开发代码。我想我会按照你的建议使用numpy.matmul，但这可能会让人不舒服......
示例问题：| 对您的需求有错误的优先级。 A + B@C 表示你认为它的作用，但 A + B|at|C 表示 (A+B)|at|C 即使你得到了这个工作。使用matmul，至少一旦您在脑海中解析代码，就清楚什么是什么的参数。
看看是否可以在 VM 中获取 Python 3。（您不需要 root 来执行此操作。）

标签： python numpy operators python-2.x matrix-multiplication

【解决方案1】：

我找到了解决问题的方法here。

正如 cmets 中所建议的，理想的解决方法是使用 Python 3.x 或使用 numpy.matmul，但此代码似乎可以工作，甚至具有正确的优先级：

import numpy as np

class Infix(np.ndarray):
    def __new__(cls, function):
        obj = np.ndarray.__new__(cls, 0)
        obj.function = function
        return obj
    def __array_finalize__(self, obj):
        if obj is None: return
        self.function = getattr(obj, 'function', None)
    def __rmul__(self, other):
        return Infix(lambda x, self=self, other=other: self.function(other, x))
    def __mul__(self, other):
        return self.function(other)
    def __call__(self, value1, value2):
        return self.function(value1, value2)

at = Infix(np.matmul)

M1 = np.ones((2,3))
M2 = np.ones((3,4))
M3 = np.ones((2,4))

print(M1 *at* M2)
print(M3 + M1 *at* M2)

【讨论】：