python – 有没有办法懒惰地向量化给定的类？

在你反对之前：每个程序员都很懒惰.否则你不会编程并手动完成所有事情！

一个简单的例子.

我有一个类Line,它包含处理一条线所需的一切(比如使用两个顶点/点创建的对象).这个类实际上非常复杂,为了简单起见,可维护性和清晰度我想保持这样：我用两个顶点输入并输出一些困难结果的类,例如两点之间的距离.

问题

现在,问题在于,虽然我需要跟踪这些单独的行,但我有时也希望将它们作为一个整体来处理.例如,我想计算由许多行组成的路径的长度.

目前的解决方案和缺点

我创建了一个名为Lines的类,它也提供了一些方法.

Lines目前是numpy.ndarray的一个孩子,这不是很好：

>命名空间被ndarray的方法混乱;
>我正在使用ufuncs在Line的方法周围提供一个包装器,但是将代码保存在两个这样的地方是很繁琐的.

题

那么,你们如何有效地“向量化”Line类,同时跟踪各个线？

我可以将所有内容放在Lines中并将Line视为特殊情况,我尝试过,但它确实会损害清晰度,并且使得各行的所有引用都很难实现和维护.

代码示例

import numpy as np
class Line:
    def __init__ (self,input_points):
        assert len(np.array(input_points).squeeze()) == 2
        self._points = np.array(input_points)

    def get_distance(self):
        return np.sqrt(((self._points[0]-self._points[1])**2).sum())

from itertools import combinations
class Lines(np.ndarray):

   _get_dists = np.frompyfunc(Line.get_distance,1,1)

   def __new__(cls,data):
       comb = [Line(el) for el in combinations(data,2)]
       obj = np.asarray(comb).view(cls)
       obj = obj.squeeze()
       return obj

   def get_all_distances(self):
       return self._get_dists(self)

最佳答案

如果您希望Lines能够使用ndarray方法,但没有使用这些方法混淆其公共名称空间,请使用委托而不是继承.换句话说,而不是这样：

class Lines(np.ndarray):
    def __init__(self,whatever):
        super().__init__(stuff)
    def dostuff(self,thingies):
        np.do_thingy(self.stuff(spam))
        return self.spam(eggs)

… 做这个：

class Lines(object):
    def __init__(self,whatever):
        self.lines = np.array(stuff)
    def dostuff(self,thingies):
        np.do_thingy(self.lines.stuff(spam))
        return self.lines.spam(eggs)

同时,听起来你有一套Line方法,你想要在行中使用ufuncify,而你却厌倦了重复自己.所以动态地这样做.这是一个简单的例子来给你这个想法：

for name in 'bam','biff','pow','kazaam':
    func = getattr(Line,name)
    ufunc = np.frompyfunc(func,1)
    setattr(Lines,name,ufunc)