Python 属性和 numpy 数组

Question

我有一个存储一些属性的类。这些属性是 numpy 数组，里面有一些浮点数。我希望在创建对象时访问此属性。如果对保存属性值的外部变量执行任何操作，我不希望它们被修改。

使用 getter/setter 或带有其他类型变量的属性很简单，但使用 numpy 数组似乎会失败。

我编写了一个简单的脚本来测试我知道的每一种可能的解决方案。它适用于整数属性，但适用于 numpy 数组。

这是测试类：

class test_class:

    # Initialization
    def __init__(self, attribute1, attribute2, attribute3):

        self.attribute1 = attribute1
        self._attribute2 = attribute2
        self._attribute3 = attribute3

# Attribute 1 with getter and setter
    def get_attr1(self):
        return(self.attribute1)

    def set_attr1(self, value):
        self.attribute1 = value

    # Attribute 2 as a property with getter and setter
    def get_attr2(self):
        return(self._attribute2)

    def set_attr2(self, value):
        self._attribute2 = value

    attribute2 = property(get_attr2, set_attr2)

    # Attribute 3 as a property
    @property
    def attribute3(self):
        return(self._attribute3)

    @attribute3.setter
    def attribute3(self, value):
        self._attribute3 = value

用整数作为属性对其进行测试：

test = test_class(10, 100, 1000)

print test.get_attr1()
print test.attribute2
print test.attribute3

a1 = test.get_attr1()
a2 = test.attribute2
a3 = test.attribute3

a1 += 5
a2 += 50
a3 += 500

print test.get_attr1()
print test.attribute2
print test.attribute3

按预期输出，无需从外部修改属性：

10
100
1000
10
100
1000

用 numpy 数组测试它：

import numpy as np

test = test_class(np.array([10,20,30]), np.array([100,200,300]),   np.array([1000,2000,3000]))

print test.get_attr1()
print test.attribute2
print test.attribute3

a1 = test.get_attr1()
a2 = test.attribute2
a3 = test.attribute3

a1 += 5
a2 += 50
a3 += 500

print test.get_attr1()
print test.attribute2
print test.attribute3

输出不符合预期，值已更改：

[10 20 30]
[100 200 300]
[1000 2000 3000]
[15 25 35]
[150 250 350]
[1500 2500 3500]

那么，如果 getter/setter 和属性都不能与 numpy 数组一起使用，那该怎么办？

编辑：

好吧，我使用copy.deepcopy 函数找到了解决此问题的方法。现在它按预期工作了。

属性定义：

from copy import deepcopy

class test_class:

    ...

    # Attribute 4 with getter and setter using deepcopy
    def get_attr4(self):
        return(deepcopy(self.attribute4))

    def set_attr4(self, value):
        self.attribute4 = value

测试：

test = test_class(np.array([10,20,30]), np.array([100,200,300]), np.array([1000,2000,3000]), np.array([10000,20000,30000]))

...
print test.get_attr4()
...
a4 = test.get_attr4()
...
a4 += 5000
...
print test.get_attr4()

结果：

...
[10000 20000 30000]
...
[10000 20000 30000]

Answer 1

NumPy 数组是可变的，整数不是。

>>> a = 1
>>> id(1)
4297261152
>>> a += 1
>>> id(a)
4297261184

注意：id 发生变化。

相对于：

>>> arr = np.arange(5)
>>> d(arr)
4331954736
>>> arr += 10
>>> id(arr)
4331954736
>>> arr
array([10, 11, 12, 13, 14])

注意：id 保持不变。

使用a = test.get_attr1() 或a = test.attribute2 并不重要。你得到的a 是一个 Python 对象，因为几乎所有东西都是你在 Python 中处理的一个对象。一旦你有了a，不管你是如何通过赋值a = 1或作为方法a = test.get_attr1()的返回值来创建它的（该属性只是为方法调用提供了更好的语法。）。那么a 只是一个对象的名称，您可以使用这个对象。如果它像 NumPy 数组一样是可变的，+= 通常会更改内部的值。对于不可变的，这根本不可能。

如果你不想修改这些对象，你可以复制一份。通常在模块copy 的帮助下。 NumPy 数组提供了自己的复制方法：

>>> arr2  = arr.copy()
>>> arr
array([10, 11, 12, 13, 14])
>>> arr2 += 100
>>> arr2
array([110, 111, 112, 113, 114])
>>>  arr
array([10, 11, 12, 13, 14])