如何子类化np.ndarray实现右值转换、左值保留原始值？

完全可行，通过重写numpy数组的核心方法，就能实现这种「运算用转换后值、赋值用原始值」的行为。以下是具体实现：

import numpy as np

class MyNpArr(np.ndarray):
    def __new__(cls, input_array, transform_fwd):
        # 初始化自定义数组实例，绑定原始数据与转换函数
        obj = np.asarray(input_array).view(cls)
        obj._raw_data = np.asarray(input_array).copy()
        obj._transform_fwd = transform_fwd
        return obj

    def __array_finalize__(self, obj):
        # 确保切片、视图等衍生实例继承原始数据与转换逻辑
        if obj is None:
            return
        self._raw_data = getattr(obj, '_raw_data', None)
        self._transform_fwd = getattr(obj, '_transform_fwd', None)

    def __array_ufunc__(self, ufunc, method, *inputs, **kwargs):
        # 拦截所有numpy通用运算，将自定义数组转换为处理后的值参与计算
        transformed_inputs = []
        for inp in inputs:
            if isinstance(inp, MyNpArr):
                transformed_inputs.append(inp._transform_fwd(inp._raw_data))
            else:
                transformed_inputs.append(inp)
        # 执行运算并返回普通numpy数组（匹配示例预期）
        result = ufunc(*transformed_inputs, **kwargs)
        return result.view(np.ndarray) if isinstance(result, np.ndarray) else result

    def __setitem__(self, key, value):
        # 赋值操作直接修改原始数据，同步更新数组视图
        self._raw_data[key] = value
        super().__setitem__(key, value)

    def __getitem__(self, key):
        # 取值返回原始数据，切片返回带转换逻辑的自定义数组实例
        raw_item = self._raw_data[key]
        return MyNpArr(raw_item, self._transform_fwd) if isinstance(raw_item, np.ndarray) else raw_item

测试代码（匹配示例逻辑） #

# 使用log10转换函数，匹配示例输出
my_arr = MyNpArr([10.,100.,1000.], transform_fwd=lambda x: np.log10(x))

y = 2 * my_arr
print(y)  # 输出 [2. 4. 6.]

my_arr[2] = 10000
y = 2 * my_arr
print(y)  # 输出 [2. 4. 8.]

关键逻辑说明 #

• __new__：创建自定义数组实例时，保存原始数据副本与转换函数，同时让实例成为原始数据的视图。
• __array_ufunc__：处理所有numpy内置运算（如加减乘除、数学函数），确保运算时使用转换后的值，最终返回普通numpy数组。
• __setitem__：赋值操作直接修改原始数据，同步更新数组视图，保证后续运算能获取最新值。
• __array_finalize__：让切片、视图等衍生的自定义数组实例，自动继承原始数据与转换逻辑。

内容的提问来源于stack exchange，提问作者ipcamit