Pipe库中numpy数组与普通列表的运算行为差异咨询

问题成因 #

这个差异确实是numpy的特性导致的，核心是运算符的调用优先级和numpy的向量化运算机制：

• Python中a | b的执行逻辑是：优先调用a.__or__(b)，如果该方法返回NotImplemented（即a的类型不支持和b类型做位或运算），才会 fallback 调用b.__ror__(a)。
• 普通Python列表没有实现__or__方法，所以[1,2,3] | Pipe(np.median)会直接走Pipe的__ror__逻辑，把整个列表作为参数传给np.median，得到预期的中位数结果。
• 但numpy数组ndarray实现了__or__方法，默认会对运算符做向量化处理：也就是把|操作逐元素应用到数组的每个成员上。对每个元素执行元素 | Pipe实例时，int类型不支持和Pipe实例做位或，就会逐次调用Pipe.__ror__(单个元素)，相当于把np.median映射到每个元素上，单个元素的中位数就是自身，最终得到和原数组值一致的结果。

解决方案 #

有两种常见的修复方式：

1. 给Pipe类添加numpy ufunc拦截方法 #

numpy提供了__array_ufunc__协议，允许自定义类型拦截numpy的运算符操作，在Pipe类中添加以下方法即可兼容numpy数组输入：

import numpy as np
import functools 

class Pipe:
    # 原有实现保持不变
    def __init__(self, function):
        self.function = function
        functools.update_wrapper(self, function)

    def __ror__(self, other):
        return self.function(other)

    def __call__(self, *args, **kwargs):
        return Pipe(lambda x: self.function(x, *args, **kwargs))
    
    # 新增numpy ufunc拦截逻辑
    def __array_ufunc__(self, ufunc, method, *inputs, **kwargs):
        if ufunc is np.bitwise_or and method == "__call__" and len(inputs) == 2:
            left, right = inputs
            if right is self:
                return self.__ror__(left)
        return NotImplemented

添加后再执行np.array([1,2,3]) | Pipe(np.median)就能得到正确的中位数2.0。

2. 临时规避方案 #

如果不想修改Pipe源码，可以显式调用__ror__方法绕开numpy的运算符逻辑：

y1 = Pipe(np.median).__ror__(np.array([1, 2, 3]))

内容的提问来源于stack exchange，提问作者Alexandru Dinu