我有下一个功能：
def check_smaller_zeros(v):
return v < 0
当我使用 numpy 创建数组时，我可以为逐个元素的测量编写下一个代码：
v_1 = numpy.array([1, 2, -4, -1])
result = check_smaller_zeros(v_1)
# result: [False, False, True, True]
但是当我尝试使用 tuple、set、frozenset 和 list/array reise 重复它时，下一个错误：
TypeError: '<' not supported between instances of 'tuple' and 'int'
究竟是什么让 numpy 数组具有这种行为的能力？这看起来很方便，但有点不明显
【问题讨论】：
标签： python numpy data-structures
Python 允许您使用特殊的“dunder”（双下划线）方法覆盖运算符。例如，让我们创建一个继承自tuple 的自定义数据结构。要让< 执行逐项比较，我们只需要覆盖__lt__ 方法。
In [1]: class MyList(tuple):
: def __lt__(self, other):
: return tuple(v < other for v in self)
:
In [1]:
In [2]: l = MyList([1,2,3,4,5])
In [3]: l < 3
Out[3]: (True, True, False, False, False)
可以在Data Model 下的 Python 文档中找到所有此类方法的列表。
【讨论】：
__lt__）？
np.array 与元组、列表等非常不同。 如果你想概括你的功能，你必须考虑每种情况。
In [111]: def check_smaller_zeros(v):
...: if type(v) is np.array:
...: return v < 0
...: elif type(v) in (list, tuple):
...: return [x<0 for x in v]
...:
In [112]: check_smaller_zeros((-1,1,2,3,4,5))
Out[112]: [True, False, False, False, False, False]
在某些情况下，您可以简单地将对象转换为 np.array。但这取决于对象，您必须提前定义用例。
In [114]: def check_smaller_zeros(v):
...: if type(v) is np.array:
...: return v < 0
...: else:
...: return np.array(v) < 0
...:
...:
In [115]: check_smaller_zeros((-1,1,2,3,4,5))
Out[115]: array([True, False, False, False, False, False])
【讨论】：
np.array 不是类型 - 它是构造数组的函数。在数组上调用函数的第一个版本会返回 None，而在数组上调用第二个版本会在执行比较之前生成不必要的副本。此外，如果您要为不同的输入类型返回不同的输出类型，则返回一个元组作为元组输入的输出比返回一个列表更有意义。
return np.asarray(v) < 0。