如何在自定义数组类中实现numpy风格的索引功能？

优先推荐：复用numpy原生索引能力，完全避免手写判断 #

• 直接调用numpy公开的索引解析API np.lib.index_tricks.normalize_index，传入你的数组shape和接收到的key参数，即可直接输出符合numpy规范的标准化索引元组，自动覆盖整数、切片、布尔数组、花式索引、多维度混合索引、np.newaxis等所有合法索引场景，不需要自己写任何类型判断逻辑。
• 拿到标准化索引后，你可以直接将其应用到你类内部存储的实际数据结构上，如果内部本身就维护了一个numpy数组作为实际存储，直接用这个索引操作内部数组即可，完美匹配numpy的行为。

更省心的兼容方案：继承numpy原生类 #

• 如果你的自定义数组不需要完全从零实现底层存储，直接继承np.ndarray是成本最低的方案，numpy会默认帮你实现所有索引、广播、通用函数的逻辑，天然就是numpy兼容的drop-in替换，你只需要重写你需要自定义逻辑的特定方法即可，完全不需要自行维护__getitem__和__setitem__的实现。
• 如果你是要包裹其他非numpy的底层存储结构，可以实现numpy的__array_function__和__array_ufunc__协议，仅拦截你需要自定义处理的操作，剩下的所有逻辑包括索引解析全部交由numpy默认处理，也能大幅减少自行维护的代码量。

必须从零实现索引逻辑的优化方案 #

如果因为特殊限制必须自己手写索引逻辑，按以下方式优化维护成本：

• 把索引解析、合法性校验、广播匹配的逻辑抽成独立的公共工具函数，__getitem__和__setitem__复用同一套逻辑，避免两份代码重复维护。
• 广播规则不需要自己手写，直接调用np.broadcast_shapes判断索引输出形状和value的形状是否兼容即可。

内容的提问来源于stack exchange，提问作者Bubaya