如何让numpy衍生数组SpecializedArray持有父数组引用？切片视图可行吗？

问题背景 #

假设我有一个numpy结构化数组，其dtype定义如下：

import numpy as np
EXAMPLE_DTYPE = np.dtype([("alpha", np.str_), ("beta", np.int64)])

我为该dtype的numpy数组编写了包装类ExampleArray，并实现了__getitem__方法：

class ExampleArray:
    data: np.ndarray = np.array([("hello", 0), ("world", 1)], dtype=EXAMPLE_DTYPE)

    def __getitem__(self, index: int|str) -> SpecializedArray:
        return SpecializedArray(index, self.data[index])

SpecializedArray类用于记录衍生数组的索引信息：

class SpecializedArray:
    specialization: int|str 
    data: np.ndarray

    def __init__(self, specialization: int|str, data: np.ndarray) -> None:
        self.specialization = specialization
        self.data = data

    def __repr__(self) -> str:
        return f"{self.specialization} -> {self.data}"

现在我希望SpecializedArray能够持有它所衍生自的父数组的引用，请问实现这一点的最佳方式是什么？是否应该通过切片（比如self.data[:]，因为切片会创建视图）来传入父数组？示例代码如下：

# ExampleArray中的__getitem__方法修改版
def __getitem__(self, index: int|str) -> SpecializedArray:
    # 假设SpecializedArray接受第三个参数作为父数组
    return SpecializedArray(index, self.data[index], self.data[:])

补充说明：本问题同样适用于numpy结构化数组与非结构化数组。

解决方案分析 #

核心结论 #

直接传递原父数组对象或包装类实例即可，不需要通过切片创建视图。切片方式不仅冗余，还可能导致引用逻辑偏离预期。

最佳实现方案 #

方案1：传递原ExampleArray实例（推荐）

如果希望保留包装类的封装性，传递ExampleArray实例是最优选择。这样SpecializedArray可以通过父实例访问原数据，同时保留包装类的其他潜在功能：

class SpecializedArray:
    specialization: int|str 
    data: np.ndarray
    parent: ExampleArray  # 持有父包装类实例的引用

    def __init__(self, specialization: int|str, data: np.ndarray, parent: ExampleArray) -> None:
        self.specialization = specialization
        self.data = data
        self.parent = parent

    def __repr__(self) -> str:
        return f"{self.specialization} -> {self.data}\nParent Data: {self.parent.data}"

class ExampleArray:
    data: np.ndarray = np.array([("hello", 0), ("world", 1)], dtype=EXAMPLE_DTYPE)

    def __getitem__(self, index: int|str) -> SpecializedArray:
        return SpecializedArray(index, self.data[index], self)  # 传递当前实例作为父引用

方案2：直接传递原data数组对象

如果不需要包装类的额外功能，也可以直接传递原self.data数组：

class SpecializedArray:
    specialization: int|str 
    data: np.ndarray
    parent_data: np.ndarray  # 持有原父数组的引用

    def __init__(self, specialization: int|str, data: np.ndarray, parent_data: np.ndarray) -> None:
        self.specialization = specialization
        self.data = data
        self.parent_data = parent_data

    def __repr__(self) -> str:
        return f"{self.specialization} -> {self.data}\nParent Data: {self.parent_data}"

class ExampleArray:
    data: np.ndarray = np.array([("hello", 0), ("world", 1)], dtype=EXAMPLE_DTYPE)

    def __getitem__(self, index: int|str) -> SpecializedArray:
        return SpecializedArray(index, self.data[index], self.data)  # 直接传递原数组

为什么不推荐使用切片self.data[:]？ #

• 切片self.data[:]创建的是原数组的视图，它是一个新的ndarray对象，但共享原数组的数据缓冲区。它不是原父数组本身，若原父数组被重新赋值（比如self.data = new_array），视图不会同步更新。
• 直接传递原对象引用能保持对父数组的直接关联，无论父数组的属性如何变更（只要未被销毁），都能访问最新状态。

注意事项 #

• 需警惕循环引用：如果SpecializedArray持有ExampleArray的引用，而ExampleArray又间接持有SpecializedArray，可能影响内存回收。对内存敏感的场景可使用weakref.ref创建弱引用。
• 若仅需读取父数组，无需修改，可根据需求考虑传递只读视图，但numpy数组本身是可变类型，需权衡使用场景。

内容的提问来源于stack exchange，提问作者bzm3r