如何避免numpy.ndarray子类FloorPlan的类型传播至派生数组？

你可以通过两种方式解决这个问题，具体选择取决于你的重构阶段需求和长期维护计划：

方法一：重写__array_wrap__方法控制返回类型 #

NumPy子类化中，__array_wrap__方法负责决定操作后返回的数组类型。你可以在FloorPlan类中重写这个方法，让切片、视图等普通数组操作返回标准的numpy.ndarray，仅在需要保留子类特性的场景下返回FloorPlan实例：

import numpy as np

class FloorPlan(np.ndarray):
    def __new__(cls, input_array):
        # 子类化ndarray的标准创建方式
        obj = np.asarray(input_array).view(cls)
        # 初始化补充信息、缓存等
        obj.supplementary_info = {}
        obj._cache = {}
        return obj

    def __array_wrap__(self, obj, context=None):
        # 对于普通数组操作（如切片、索引），返回标准ndarray
        # 可根据需求调整判断条件，比如只允许自定义方法返回子类
        if context is None or context.func not in [self.find_rooms]:
            return np.asarray(obj)
        # 自定义方法需要保留子类时，调用父类逻辑
        return super().__array_wrap__(self, obj, context)

    def find_rooms(self):
        # 自定义业务逻辑示例，根据实际需求修改
        if 'rooms' not in self._cache:
            self._cache['rooms'] = np.where(self == 1)
        return self._cache['rooms']

这样执行floor_plan[:, 0]这类操作时会得到普通的numpy.ndarray，而调用floor_plan.find_rooms()时仍能保留子类特性。

方法二：改用组合模式（更推荐长期维护） #

避免直接继承numpy.ndarray，而是在FloorPlan类中封装一个ndarray实例，同时实现__array__方法让实例可以被隐式转换为数组，兼容现有代码：

import numpy as np

class FloorPlan:
    def __init__(self, data):
        self.data = np.asarray(data)
        # 存储补充信息
        self.supplementary_info = {}
        # 缓存
        self._cache = {}

    def __array__(self, dtype=None):
        # 让实例能被numpy识别为数组，兼容现有接受ndarray的函数
        return np.asarray(self.data, dtype=dtype)

    def find_rooms(self):
        if 'rooms' not in self._cache:
            # 基于内部data执行业务逻辑
            self._cache['rooms'] = np.where(self.data == 1)
        return self._cache['rooms']

这种方式下，所有数组操作（如切片、运算）都会直接作用于内部的ndarray，返回结果也是标准的numpy.ndarray，完全避免了子类类型传播的问题。同时，现有代码中接受numpy.ndarray的函数可以直接传入FloorPlan实例，因为numpy会自动调用__array__方法完成转换。

两种方法对比：

• 继承方式适合短期过渡，能最大程度保留原有数组操作的语法习惯，但需要处理子类化的各种细节（如__new__、__array_finalize__等）。
• 组合模式更清晰可控，避免了NumPy子类化的潜在坑，长期维护成本更低，是更推荐的重构方案。

内容的提问来源于stack exchange，提问作者tlayton