相关疑难解决方法(0)

在NumPy中，可以使用__array_priority__属性来控制作用于ndarray和用户定义类型的二进制运算符。例如：

class Foo(object):
  def __radd__(self, lhs): return 0
  __array_priority__ = 100

a = np.random.random((100,100))
b = Foo()
a + b # calls b.__radd__(a) -> 0

但是，对于比较运算符而言，似乎不起作用。例如，如果将以下行添加到Foo，则永远不会从表达式中调用它a < b：

def __rlt__(self, lhs): return 0

我意识到这__rlt__并不是Python的特殊名称，但我认为它可能有用。我尝试了所有的__lt__，__le__，__eq__，__ne__，__ge__，__gt__有和没有前面r，加上__cmp__了，但是我永远无法与NumPy调用它们。

这些比较可以覆盖吗？

更新

为避免混淆，此处是NumPy行为的详细描述。首先，这是《 NumPy指南》书中所说的内容：

If the ufunc has 2 inputs and 1 output and the second input is an Object array
then a special-case …

所有，我有一个应用程序，当两个矩阵相乘时，它需要返回一个 numpy ndarray，而不是一个简单的总和；例如：

import numpy as np
x = np.array([[1, 1, 0], [0, 1, 1]])
y = np.array([[1, 0, 0, 1], [1, 0, 1, 0], [0, 0, 0, 0]])
w = x @ y
>>> array([[2, 0, 1, 1],
           [1, 0, 1, 0]])

但是，要求是返回一个 ndarray（在这种情况下..）：

array([[[1,1,0], [0,0,0], [0,1,0], [1,0,0]],
       [[0,1,0], [0,0,0], [0,1,0], [0,0,0]]])

注意，矩阵乘法操作可能会重复；输出将用作下一个矩阵乘法运算的 ndarrays 的左侧矩阵，这将在第二个矩阵乘法运算后产生一个更高阶的 ndarray，等等。

有什么方法可以实现这一目标吗？我已经研究了重载__add__，并按照此处讨论的那样对__radd__np.ndarray进行了子类化，但主要是遇到了维度不兼容错误。

想法？

更新：

解决@Divakar 的答案 例如，对于链式操作，添加

z = np.array([[1, 1, 0], [0, 0, 0], [1, 0, …