如何在类的numpy数组上使用掩码索引？

Question

当使用 numpy array 的自定义类时：

class TestClass:
    active = False

如何使用此处描述的内联屏蔽（布尔索引数组）：http://docs.scipy.org/doc/numpy/user/basics.indexing.html#boolean-or-mask-index-arrays

直接尝试失败：

items = np.array([TestClass() for _ in range(10)])
items[items.active]

  AttributeError: 'numpy.ndarray' object has no attribute 'active'

有什么建议吗？

Answer 1

所以你的数组是dtype=object（打印出来）并且每个元素都指向你的类的一个实例：

items = np.array([TestClass() for _ in range(10)])

现在试试：

items.active

items 是一个数组； active 是类的属性，而不是对象数组的属性。您的定义不会向ndarray 类添加任何功能。错误不在掩蔽中；它是在尝试获取实例属性。

像这样的数组上的许多操作都是迭代完成的。这种数组类似于普通的 Python 列表。

[obj.active for obj in items]

或将其转回数组

np.array([obj...])

items[[True,False,True,...]] 应该可以工作，但那是因为掩码已经是一个布尔列表或数组。

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

让我们修改你的类，让它显示一些有趣的东西。请注意，我将 active 分配给实例，而不是像您所做的那样分配给类：

In [1671]: class TestClass:
      ...:     def __init__(self,val):
      ...:        self.active = bool(val%2)

In [1672]: items = np.array([TestClass(i) for i in range(10)])

In [1674]: items
Out[1674]: 
array([<__main__.TestClass object at 0xb106758c>,
       <__main__.TestClass object at 0xb117764c>,
       ...
       <__main__.TestClass object at 0xb269850c>], dtype=object)
# print of the array isn't interesting.  The class needs a `__str__` method.

这个简单的迭代访问属性：

In [1675]: [i.active for i in items]
Out[1675]: [False, True, False, True, False, True, False, True, False, True]

np.frompyfunc 提供了一种更强大的方式来访问数组的每个元素。 operator.attrgetter('active')(i) 是i.active 的一种功能性方式。

In [1676]: f=np.frompyfunc(operator.attrgetter('active'),1,1)
In [1677]: f(items)
Out[1677]: array([False, True, False, True, False, True, False, True, False, True], dtype=object)

但是当我改变数组的形状时，这个函数的主要优点就显现出来了：

In [1678]: f(items.reshape(2,5))
Out[1678]: 
array([[False, True, False, True, False],
       [True, False, True, False, True]], dtype=object)

注意这个数组是 dtype 对象。这就是frompyfunc 所做的。要获取布尔数组，我们需要更改类型：

In [1679]: f(items.reshape(2,5)).astype(bool)
Out[1679]: 
array([[False,  True, False,  True, False],
       [ True, False,  True, False,  True]], dtype=bool)

np.vectorize 使用frompyfunc，并使 dtype 更加用户友好。但在时间上它有点慢。

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

扩展 Jon 的评论

In [1702]: class TestClass:
      ...:     def __init__(self,val):
      ...:        self.active = bool(val%2)
      ...:     def __bool__(self):
      ...:         return self.active
      ...:     def __str__(self):
      ...:         return 'TestClass(%s)'%self.active
      ...:     def __repr__(self):
      ...:         return str(self)

In [1707]: items = np.array([TestClass(i) for i in range(5)])

items 现在以信息丰富的方式显示；并转换为字符串：

In [1708]: items
Out[1708]: 
array([TestClass(False), TestClass(True), TestClass(False),
       TestClass(True), TestClass(False)], dtype=object)
In [1709]: items.astype('S20')
Out[1709]: 
array([b'TestClass(False)', b'TestClass(True)', b'TestClass(False)',
       b'TestClass(True)', b'TestClass(False)'], 
      dtype='|S20')

并转换为bool:

In [1710]: items.astype(bool)
Out[1710]: array([False,  True, False,  True, False], dtype=bool)

实际上astype 正在将转换方法应用于数组的每个元素。我们还可以定义__int__、__add__，这表明向自定义类添加功能比向数组类本身添加功能更容易。我不希望获得与原生类型相同的速度。