为什么执行NumPy的r_[r_]代码会卡死？是预期行为还是Bug？

结论 #

这个卡死不属于NumPy的Bug，属于重载运算符的边界场景下的非预期但逻辑自洽的行为。

原因解释 #

• numpy.r_不是普通函数，是RClass类的实例，它重载了__getitem__方法（也就是支持[]索引语法），设计目的是快速拼接生成数组，比如r_[1,2,3]会直接生成array([1, 2, 3])。
• 当执行r_[r_]时，r_的__getitem__方法收到的参数是r_实例本身，它会尝试先把传入的参数转换为NumPy数组。
• NumPy转换未知Python对象为数组时，会优先尝试迭代该对象：对于实现了__getitem__的对象，会从索引0开始依次取obj[0]、obj[1]、obj[2]……直到捕获到IndexError才会停止迭代，用取到的所有值构造数组。
• 而RClass的__getitem__对任意整数索引都能正常返回对应数组，永远不会抛出IndexError，就会触发无限迭代：NumPy会不停生成新的元素尝试构造数组，最终表现就是进程卡死、内存占用持续上涨。你可以简单验证这个逻辑：直接执行list(r_)也会出现完全一样的卡死现象。

内容的提问来源于stack exchange，提问作者Albert.Lang