我有一个函数创建从它的参数派生的类:
def factory(BaseClass) :
class NewClass(BaseClass) : pass
return NewClass
现在,当我使用它来创建新类时,这些类的名称都相同,并且实例看起来像它们具有相同的类型:
NewA = factory(ClassA)
NewB = factory(ClassB)
print type(NewA()) # <class __main__.NewClass>
print type(NewB()) # <class __main__.NewClass>
是否正确修复了手动设置__name__属性？
NewA.__name__ = 'NewA'
print type(NewA()) # <class __main__.NewA>
我在做什么时还应该设置其他东西吗？
我有两个git存储库显示如下.第一个结构就像一个典型的python项目.
foo_repo/
.git/
setup.py
foo/
__init__.py
some_code.py
tests/
bar/
.git/
我想将foo_repo/foo/目录bar/作为子树包含在内,我希望能够将更新foo_repo/foo/some_code.py从foo_repo存储库合并到bar,反之亦然.
初始设置不是太糟糕.从foo/我使用的目录:
git subtree --prefix=foo/ split -b export
然后我在foo_repo中有一个新的分支,只有foo_repo/foo/目录的内容.为了把它带到酒吧,我只是去bar/目录和:
git subtree --prefix=foo/ add ../foo_repo/.git export
既然我已经完成了设置,我想做一些代码开发并foo/在两个repos中保持最新.从酒吧推出我想我已经想通了.来自bar/目录:
touch foo/more_code.py
git add foo/more_code.py
git commit -m "more code"
git subtree --prefix=foo/ push ../foo_repo/.git export
然后从foo_repo/目录:
git checkout master
git subtree --prefix=foo/ merge export
合并另一种方式是我被困住的地方.来自foo_repo/:
git checkout master
touch foo/yet_more_code.py
git add foo/yet_more_code.py …我有一个数组子类,其中一些额外的属性仅对对象的原始形状有效.有没有办法确保所有数组形状更改操作返回一个普通的numpy数组而不是我的类的实例？
我已经写array_wrap,但是这似乎并不具有像操作的任何影响np.mean,np.sum或np.rollaxis.这些只是返回我班级的一个实例.
import numpy as np
class NewArrayClass(np.ndarray):
__array_priority__ = 3.0
def __array_wrap__(self, out_arr, context=None):
if out_arr.shape == self.shape:
out = out_arr.view(new_array)
# Do a bunch of class dependant initialization and attribute copying.
# ...
return out
else:
return np.asarray(out_arr)
A = np.arange(10)
A.shape = (5, 2)
A = arr.view(NewArrayClass)
# Would like this to be np.ndarray, but get new_array_class.
print type(np.sum(A, 0))
我想我必须做的东西__new__还是__array_finalize__,但我还没有什么线索.
更新: 仔细阅读子类化的numpy文档(http://docs.scipy.org/doc/numpy/user/basics.subclassing.html)后,所有数组形状更改操作都在执行"从模板新建"操作.所以问题就变成了,如何使'new from template'操作返回ndarray实例而不是我的类的实例.据我所知, …
我想为数组操作的输出预分配内存,我需要知道是什么dtype来实现它.下面我有一个功能,可以做我想做的事,但非常难看.
import numpy as np
def array_operation(arr1, arr2):
out_shape = arr1.shape
# Get the dtype of the output, these lines are the ones I want to replace.
index1 = ([0],) * arr1.ndim
index2 = ([0],) * arr2.ndim
tmp_arr = arr1[index1] * arr2[index2]
out_dtype = tmp_arr.dtype
# All so I can do the following.
out_arr = np.empty(out_shape, out_dtype)
以上是非常难看的.numpy有没有这样做的功能？
我正在使用整数和SSE,并且对于字节序如何影响数据进出寄存器变得非常困惑.
最初我的理解如下.如果我有一个4字节整数的数组,那么内存将按如下方式布局,因为x86架构是小端的:
0D 0C 0B 0A 1D 1C 1B 1A 2D 2C 2B 2A .... nD nC nB nA
其中字母A,B,C和D索引的整数元素内的字节数,和数字索引的元素.
在XMM寄存器中,我的理解是四个整数将按如下方式排列:
0A 0B 0C 0D 1A 1B 1C 1D 2A 2B 2C 2D 3A 3B 3C 3D
但是,由于几个原因,我很确定这张照片是错误的.第一个是mm_load_si128内在的文档,它应该适用于任何整数数据,但在上面的图片应该只适用于一个字大小.同样有这个帖子:https://software.intel.com/en-us/forums/topic/286624.最后,我看到人们编写如下代码:
__declspec(align(16)) int32_t A[N];
__m128i* As = (__m128i*)A;
关于字节序的维基百科文章说我应该想到内存地址从右到左增加.那么内存如下图呢？
nA nB nC nD ... 2A 2B 2C 2D 1A 1B 1C 1D 0A 0B 0C 0D
然后在寄存器中: …